MétaCan
Menu
Retour à la cohorte
Enregistrement W4382198384 · doi:10.1364/ol.494655

Structured illumination microscopy with a phase-modulated spinning disk for optical sectioning

2023· article· en· W4382198384 sur OpenAlexafffund
Zhang Youchang, Parisa Asghari, David R.L. Scriven, Edwin D.W. Moore, Keng C. Chou

Notice bibliographique

RevueOptics Letters · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésOpticsOptical sectioningMicroscopyMaterials scienceSpatial light modulatorDiffractionPhase modulationLight sheet fluorescence microscopyMicroscopeSpatial filterWavefrontPhysicsScanning confocal electron microscopyPhase noise

Résumé

récupéré en direct d'OpenAlex

Among various super-resolution microscopic techniques, structured illumination microscopy (SIM) stands out for live-cell imaging because of its higher imaging speed. However, conventional SIM lacks optical sectioning capability. Here we demonstrate a new, to the best of our knowledge, approach using a phase-modulated spinning disk (PMSD) that enhances the optical sectioning capability of SIM. The PMSD consists of a pinhole array for confocal imaging and a transparent polymer layer for light phase modulation. The light phase modulation was designed to cancel the zeroth-order diffracted beam and create a sharp lattice illumination pattern using the interference of four first-order diffracted beams. In the detection optical path, the PMSD serves as a spatial filter to physically reject about 80% of the out-of-focus signals, an approach that allows for real-time optical reconstruction of super-resolved images with enhanced contrast. Furthermore, the simplicity of the design makes it easy to upgrade a conventional fluorescence microscope to a PMSD SIM system.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,307
Écart entre enseignants0,299 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207