Polarization memory rate as a metric to differentiate benign and malignant tissues
Notice bibliographique
Résumé
Non-invasive optical methods for cancer diagnostics, such as microscopy, spectroscopy, and polarimetry, are rapidly advancing. In this respect, finding new and powerful optical metrics is an indispensable task. Here we introduce polarization memory rate (PMR) as a sensitive metric for optical cancer diagnostics. PMR characterizes the preservation of circularly polarized light relative to linearly polarized light as light propagates in a medium. We hypothesize that because of well-known indicators associated with the morphological changes of cancer cells, like an enlarged nucleus size and higher chromatin density, PMR should be greater for cancerous than for the non-cancerous tissues. A thorough literature review reveals how this difference arises from the anomalous depolarization behaviour of many biological tissues. In physical terms, though most biological tissue primarily exhibits Mie scattering, it typically exhibits Rayleigh depolarization. However, in cancerous tissue the Mie depolarization regime becomes more prominent than Rayleigh. Experimental evidence of this metric is found in a preliminary clinical study using a novel Stokes polarimetry probe. We conducted in vivo measurements of 20 benign, 28 malignant and 59 normal skin sites with a 660 nm laser diode. The median PMR values for cancer vs non-cancer are significantly higher for cancer which supports our hypothesis. The reported fundamental differences in depolarization may persist for other types of cancer and create a conceptual basis for further developments in polarimetry applications for cancer detection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».