Laser Photothermoacoustic Heterodyned Lock-in Depth Profilometry in Turbid Tissue Phantoms
Notice bibliographique
Résumé
Frequency-domain correlation and spectral analysis photothermoacoustic FD-PTA imaging is a promisingnew technique, which is being developed to detect tumor masses in turbid biological tissue. Unlike conventional biomedical photoacoustics which uses time-of-flight acoustic information induced by a pulsed laser to indicate the tumor size and location, in this research, a new FD-PTA instrument featuring frequency sweep chirp and heterodyne modulation and lock-in detection of a continuous-wave laser source at 1064 nm wavelength is constructed and tested for its depth profilometric capabilities with regard to turbid media imaging. Owing to the linear relationship between the depth of acoustic signal generation and the delay time of signal arrival to the transducer, information specific to a particular depth can be associated with a particular frequency in the chirp signal. Scanning laser-fluence modulation frequencies with a linear frequency sweep method preserves the depth-to-delay time linearity and recovers FD-PTA signals from a range of depths. Combining with the depth information carried by the back-propagated acoustic chirp signal at each scanning position, one could rapidly generate subsurface three-dimensional images of the scanning area at optimal signal-to-noise ratios and low laser fluences, a combination of tasks that is difficult or impossible by use of pulsed photoacoustic detection. In this paper, results of PTA scans performed on tissue mimicking control phantoms with various optical, acoustical, and geometrical properties are presented. A mathematical model is developed to study the laser-induced photothermoacoustic waves in turbid media. The model includes both the scattering and absorption properties of the turbid medium. A good agreement is obtained between the experimental and numerical results. It is concluded that frequency domain photothermoacoustics using a linear frequency sweep method and heterodyne lock-in detection has the potential to be a reliable tool for biomedical depth-profilometric imaging.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».