MétaCan
Menu
Retour à la cohorte
Enregistrement W4389247402 · doi:10.1364/boe.504978

Single source CARS-based multimodal microscopy system for biological tissue imaging [Invited]

2023· article· en· W4389247402 sur OpenAlexafffund
Ming-Yu Sheng, Yuan Zhao, Zhenguo Wu, Jianhua Zhao, Harvey Lui, Sunil Kalia, Haishan Zeng

Notice bibliographique

RevueBiomedical Optics Express · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensCanadian Centre for Applied Research in Cancer ControlVancouver Coastal HealthVancouver Coastal Health Research InstituteUniversity of British ColumbiaBC Children's HospitalBC Cancer Agency
Organismes subventionnairesCanadian Institutes of Health ResearchBC HydroVGH and UBC Hospital FoundationCanadian Dermatology Foundation
Mots-clésMicroscopyBiological imagingMedical imagingComputer scienceOptical imagingImage processingOpticsBiomedical engineeringComputer visionArtificial intelligenceMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

A coherent anti-Stokes Raman scattering (CARS)-based multimodality microscopy system was developed using a single Ti:sapphire femtosecond laser source for biological imaging. It provides three complementary and co-registered imaging modalities: CARS, MPM (multiphoton microscopy), and RCM (reflectance confocal microscopy). The imaging speed is about 1 frame-per-second (fps) with a digital resolution of 1024 × 1024 pixels. This microscopy system can provide clear 2-dimensional and 3-dimensional images of ex-vivo biological tissue samples. Its spectral selection initiates vibrational excitation in lipid cells (approximately 2850 cm -1 ) using two filters on the pump and Stokes beam paths. The excitation can be tuned over a wide spectral range with adjustable spectral filters. The imaging capability of this CARS-based multimodal microscopy system was demonstrated using porcine fat, murine skin, and murine liver tissue samples.

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)0,001
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 enseignants0,412
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,336
Écart entre enseignants0,315 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207