MétaCan
Menu
Retour à la cohorte
Enregistrement W4396566364 · doi:10.1364/ol.521595

High-speed forward-viewing optical coherence tomography probe based on Lissajous sampling and sparse reconstruction

2024· article· en· W4396566364 sur OpenAlexaff
Xinyu Wu, Ragib Ishrak, Reza Reihanisaransari, Yogesh Verma, Bryan Q. Spring, Kanwarpal Singh, Rohith Reddy

Notice bibliographique

RevueOptics Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensMcMaster University
Organismes subventionnairesU.S. National Library of MedicineNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institutes of HealthCancer Prevention and Research Institute of Texas
Mots-clésLissajous curveOpticsSampling (signal processing)Computer scienceComputer graphics (images)Computer visionPhysicsDetector

Résumé

récupéré en direct d'OpenAlex

We present a novel endoscopy probe using optical coherence tomography (OCT) that combines sparse Lissajous scanning and compressed sensing (CS) for faster data collection. This compact probe is only 4 mm in diameter and achieves a large field of view (FOV) of 2.25 mm 2 and a 10 mm working distance. Unlike traditional OCT systems that use bulky raster scanning, our design features a dual-axis piezoelectric mechanism for efficient Lissajous pattern scanning. It employs compressive data reconstruction algorithms that minimize data collection requirements for efficient, high-speed imaging. This approach significantly enhances imaging speed by over 40%, substantially improving miniaturization and performance for endoscopic applications.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,018
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207