MétaCan
Menu
Retour à la cohorte
Enregistrement W4400415580 · doi:10.1021/cbmi.4c00020

Low-Frequency Coherent Raman Imaging Robust to Optical Scattering

2024· article· en· W4400415580 sur OpenAlexaff
David R. Smith, Jesse W. Wilson, Siddarth Shivkumar, Hervé Rigneault, Randy A. Bartels

Notice bibliographique

RevueChemical & Biomedical Imaging · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesH2020 LEIT Information and Communication TechnologiesHORIZON EUROPE European Innovation CouncilNational Institute of General Medical SciencesEuropean CommissionBiological and Environmental ResearchNational Institutes of HealthH2020 European Research CouncilAgence Nationale de la Recherche
Mots-clésRaman scatteringRaman spectroscopyScatteringMaterials scienceOpticsCoherent anti-Stokes Raman spectroscopyX-ray Raman scatteringInterferometrySpectroscopyPulse (music)Physics

Résumé

récupéré en direct d'OpenAlex

We demonstrate low-frequency interferometric impulsive stimulated Raman scattering (ISRS) imaging with high robustness to distortions by optical scattering. ISRS is a pump-probe coherent Raman spectroscopy that can capture Raman vibrational spectra. Recording of ISRS spectra requires isolation of a probe pulse from the pump pulse. While this separation is simple in nonscattering specimens, such as liquids, scattering leads to significant pump pulse contamination and prevents the extraction of a Raman spectrum. We introduce a robust method for ISRS microscopy that works in complex scattering samples. High signal-to-noise ISRS spectra are obtained even when the pump and probe pulses pass through many scattering layers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,311
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical & Biomedical ImagingMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207