MétaCan
Menu
Retour à la cohorte
Enregistrement W3217695954 · doi:10.3390/jimaging7120252

Roadmap on Digital Holography-Based Quantitative Phase Imaging

2021· review· en· W3217695954 sur OpenAlexafffund
Vinoth Balasubramani, Małgorzata Kujawińska, Cédric Allier, Vijayakumar Anand, Chau-Jern Cheng, Christian Depeursinge, Nathaniel Hai, Saulius Juodkazis, Jeroen Kalkman, Arkadiusz Kuś, Moosung Lee, Pierre J. Magistretti, Pierre Marquet, Soon Hock Ng, Joseph Rosen, YongKeun Park, Michał Ziemczonok

Notice bibliographique

RevueJournal of Imaging · 2021
Typereview
Langueen
DomainePhysics and Astronomy
ThématiqueDigital Holography and Microscopy
Établissements canadiensCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleUniversité LavalCentres Intégré Universitaires de Santé et de Services Sociaux
Organismes subventionnairesNarodowe Centrum Badań i RozwojuKorea Advanced Institute of Science and TechnologyUniversité de LausanneEuropean Regional Development FundFundacja na rzecz Nauki PolskiejEuropean CommissionPolitechnika WarszawskaCanada Excellence Research Chairs, Government of CanadaNatural Sciences and Engineering Research Council of CanadaMinistry of Science and Technology, TaiwanÉcole Polytechnique Fédérale de LausanneKing Abdullah University of Science and Technology
Mots-clésDigital holographic microscopyHolographyDigital holographyPhase imagingComputer scienceHolographic interferometryMicroscopyDigital imagingInterferometryComputer visionOpticsArtificial intelligenceComputer graphics (images)Image processingDigital imagePhysicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Quantitative Phase Imaging (QPI) provides unique means for the imaging of biological or technical microstructures, merging beneficial features identified with microscopy, interferometry, holography, and numerical computations. This roadmap article reviews several digital holography-based QPI approaches developed by prominent research groups. It also briefly discusses the present and future perspectives of 2D and 3D QPI research based on digital holographic microscopy, holographic tomography, and their applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,390
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ImagingMême sujetDigital Holography and MicroscopyTravaux en français237 207