LASCA véráramlásmérő rendszer fejlesztése és a kiértékelést befolyásoló egyes folyamatok fontosságának vizsgálata
Bibliographic record
Abstract
Ha koherens fénnyel megvilágítunk egy érdes felületet, és az arról szóródót fényt egy ernyőn vagy leképező optikán keresztül egy kamera érzékelőjén felfogjuk, akkor azon egy szemcsés mintázat alakul ki, ez a lézeres szórási interferencia, más néven speckle. Ez az effektus sokféle hétköznapi eszközben is felhasználják kezdve az optikai egerektől a 3 dimenziós képalkotásig. A lézeres szórási interferencián alapuló véráramlásmérő módszert az 1980-as évek elején javasolták először 1, mint a meglehetősen drága lézer Doppleres mérőrendszerek egy olyan egyszerű és olcsó alternatívájaként, mely képes nagyobb területek véráramlását közel valós időben monitorozni. Az elmúlt évek során a módszer rengeteget fejlődött, mind a technikai megvalósítások, mind pedig a kiértékelésben használt elméleti modellek terén, ennek ellenére ezen méréstechnikának továbbra is megvannak a korlátai. Míg a például a szemfenéki és agyfelszíni mérések kiértékelései nem okoznak különösebb nehézséget, bőr esetén a felszínhez közeli mozdulatlan szórócentrumok jelenléte és az általuk okozott statikus szórás okozhat komolyabb mérési és kiértékelési problémákat. Ez utóbbi esetben a kapott perfúziós eredményeket nagymértékben befolyásolja az alkalmazott kiértékelési modell és a mérőrendszer kalibrálásának a módja. A kutatásom célja a laboratóriumunkban meglevő lézeres szórási interferencia kontrasztelemzésen alapuló (LASCA) mérőrendszer továbbfejlesztése volt, valamint olyan jelenségek tanulmányozása, melyek véleményem szerint nem kaptak elég figyelmet az irodalomban is elérhető kutatások során, azonban befolyásolhatják a mérések során kapott eredményeket. Az egyik fő feladatom az volt, hogy létrehozzak egy könnyen mozgatható karon elhelyezett, relatíve kis méretű és tömegű megvilágító-kamera rendszert. Ebben a fő kihívást a hőmérsékletstabilizált lézerforrás nagy tömege jelentette, ami miatt egy optikai szálas elrendezést terveztem meg, hogy könnyen kezelhető legyen a rendszer. A multimódusú optikai szál lehetővé teszi az egyszerűbb becsatolást és nagyobb fényteljesítmény szállítását, viszont szemcsés kimeneti intenzitáseloszlása korlátozta a véráramlásmérésben való alkalmazhatóságát. Ezen probléma egy lehetséges megoldásként megvizsgáltam a nyalábhomogenizáló diffúzor alkalmazhatóságát. Bemutatom a méréseim során használt LASCA rendszer fejlesztésének lépéseit, beleértve a komponensek behangolását és az eszközök megválasztásának indoklását. Emellett kitérek vezérlő szoftveren végzett fejlesztéseimre, melynek segítségével hatékonyabbá tehetők a mérések. A statikus szórás jelentős hozzájárulásának korrigálásában fontosak az elméleti áttekintő részben ismertetett kontraszt modellek, amelyek az egyszerűsítések miatt figyelmen kívül hagyják az ún. vegyes szórás jelentőségét, amikoris adott foton a mozgó és mozdulatlan részecskéken egyaránt szóródik. Felmerül azonban a kérdés, hogy a modellek mennyire pontosan számolják ki az interferencia kép intenzitásfluktuációjának korrelációs idejét a vegyes szórás valószínűségét befolyásoló különböző mértékű statikus-dinamikus szórási arányok esetén. A szövetmodelleken végzett mérések azt mutatták, hogy a tisztán dinamikus szuszpenziók szóróréteggel való borítása során nemcsak a statikus szórás jellemző a végtelen hosszú expozíciós időhöz tartozó K(∞) kontraszt érték növekedett meg, hanem a nullához konvergáló megvilágítási időhöz tartozó, a mozgás állapotra érzéketlen K(0) értéke is megváltozott, jelezve a minta optikai tulajdonságainak változását. Ezen megfigyelésre építve célszerű egy szisztematikus vizsgálatot megvalósítása, hogy megértsük, milyen hatással lehet a szövet perfúziós állapotában indukált változás ugyanazon terület K(0) és K(∞) értékeire. Ennek eredményei segíthetnek a mérések optimalizálásában és a mérőrendszernek a szövetre vonatkozó (részleges) kalibrációjában. Reményeim szerint a mérőrendszer- és méréstechnikai fejlesztésekkel, valamint az elvégzett kísérletekkel és eredményeivel hozzájárulhatok a LASCA véráramlásmérési módszer technikai fejlődéséhez, valamit a mérési pontosságának növeléséhez. Mindezek hosszabb távon a módszer alkalmazási területeinek szélesítését eredményezhetik a kutatási és klinikai diagnosztika területén.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".