Thermophotonic lock-in imaging: An active thermography system for detecting early carious lesions in human teeth
Notice bibliographique
Résumé
Lock-in thermography is an active thermographic method that incorporates quadrature demodulation to retrieve the amplitude and phase of the thermal waves generated inside the sample either optically, acoustically or mechanically. The role of subsurface defects, in this case, is then to shift the thermal-wave centroid and therefore produce dynamic contrast, both in amplitude and phase images, with respect to the intact areas. Thanks to recent advances in infrared camera technology, lock-in thermography has been successfully applied to various industrial fields as a powerful non-destructive evaluation technique but less work has been carried out in medical applications of this technology. The case of biological samples is challenging as these samples are usually translucent and do not effectively absorb the applied optical excitation. Even if they do, the medical codes prevent researchers from applying high power excitation to these samples. As a result, the photothermal signals obtained from biological samples are generally poor in terms of signal-to-noise ratio and this makes signal enhancement methods an inevitable part of lock-in thermography systems used in the medical field. The other significant difference of biological samples is that due to their translucency the infrared radiation emanating from them is governed by a coupled diffuse-photon-density and thermal-wave field, as opposed to purely thermal-wave field in opaque samples, which makes the interpretation of the results even more complicated.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».