Epidermal-dermal segmentation and polarization feature analysis using advanced Jones matrix optical coherence tomography
Notice bibliographique
Résumé
Jones matrix optical coherence tomography (JM-OCT) is a form of polarization-sensitive OCT (PS-OCT) that allows for the simultaneous and high-quality in vivo capture of multiple polarization-based imaging contrasts. Our system allows for the capture of high-sensitivity structural OCT, degree of polarization uniformity (DOPU), and birefringence images. Segmenting the epidermal-dermal junction is a topic of high interest in OCT and dermatology. While others have explored this with traditional OCT, no other groups have used this type of segmentation with JM-OCT. We believe that combining a reliable segmentation procedure with the robust and localized characterization provided by JM-OCT can help fully utilize the strengths of both techniques and allow for a better characterization of the skin layers. Here, we utilize JM-OCT to assess the skin properties of healthy volunteers. Using high-sensitivity OCT, we quantified the epidermal thickness of various locations in vivo and were able to segment the epidermis, dermis, and stratum corneum in thick skin. Polarization imaging is sensitive to specific structures in the skin, such as collagen and melanin, and we were able to quantify the depolarization, and birefringence caused by these structures in different skin layers. In thick skin, localized polarization results showed an average DOPU of 0.89 in the dermis compared to an average of 0.79 in the stratum corneum. However, in both thick and thin skin, DOPU was lower overall in the epidermis compared to the dermis, indicating that most observed depolarization occurs due to the structure of the stratum corneum. Birefringence was found to be higher in the dermis than the epidermis in both cases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».