MétaCan
Menu
Retour à la cohorte
Enregistrement W4310809172 · doi:10.1142/s179354582230018x

Nonlinear optical microscopy for skin<i>in vivo</i>: Basics, development and applications

2022· article· en· W4310809172 sur OpenAlexafffund
Jianhua Zhao, Yuan Zhao, Zhenguo Wu, Yunxian Tian, Haishan Zeng

Notice bibliographique

RevueJournal of Innovative Optical Health Sciences · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensVancouver Coastal Health Research InstituteUniversity of British ColumbiaVancouver Coastal Health
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Dermatology Foundation
Mots-clésIn vivoMicroscopyPreclinical imagingBiomedical engineeringTwo-photon excitation microscopyRaman scatteringComputer scienceOpticsNanotechnologyMedical physicsMedicineMaterials scienceRaman spectroscopyPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Multi-photon microscopy (MPM) and coherent anti-Stokes Raman scattering (CARS) are two advanced nonlinear optical imaging techniques, which provide complementary information and have great potential in combination for noninvasive in vivo biomedical applications. This paper provides a detailed discussion of the basics, development and applications of these technologies for in vivo skin research, covering the following topics: The principle and advantage of MPM and CARS, instrumentation development for in vivo applications, MPM and CARS of normal skin, application of MPM and CARS in skin cancer and disease diagnosis; application of MPM in skin disease intervention, i.e., imaging guided two-photon photothermolysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,398
Écart entre enseignants0,376 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Innovative Optical Health SciencesMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207