Depth-enhanced time-resolved NIRS monitoring of deep brain regions at risk of injury in preterm infants
Notice bibliographique
Résumé
Intraventricular hemorrhage (IVH) is a health risk faced by preterm infants, with the potential for severe health consequences. Near-infrared spectroscopy (NIRS) can be used to investigate hemodynamics in the brain, however its limited depth sensitivity means it is not as sensitive to the deeper white matter surrounding the lateral ventricles, where IVH occurs. For this reason, developing an optical system with improved depth sensitivity may prove beneficial for using NIRS to probe IVH in preterm neonates. Gated detectors are able to make use of higher laser power by keeping the detector closed until after the initial strong peak, thereby avoiding oversaturation while increasing sensitivity to late photons. The objective of this work was to compare the depth sensitivity of using the gated and non-gated modes of the same detector, to determine its efficacy for this application. A fast-gated detector was tested using a tissue-mimicking phantom, with an inclusion that was moved progressively deeper into the phantom and away from the source and detector (in 1-cm increments, from 1 to 3-cm). A time-correlated single-photon counting unit was used to record the arrival times of the photons to build a distribution of time of flight (DTOF). This DTOF was then compared to the gated measurement, for which the gate was delayed opening until the last 10% of the DTOF. When comparing the late period of the DTOF that corresponds to the same timing as the gate, the change in signal was more prominent for the gated mode than for the signals extracted from the DTOF. While isolating the late period of the DTOF improved depth sensitivity compared to the total number of photons, it was limited by the increase in noise; using a gated detector resulted in better depth sensitivity and less variability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».