Publication

Autocorrelation Bias in Diffuse Correlation Spectroscopy Observable via SPAD Arrays

Claudio Bruschini
2025

Résumé

Diffuse correlation spectroscopy (DCS) is an emerging optical technique for non-invasive cerebral blood flow monitoring. Extraction of the DCS blood flow index typically involves calculating the temporal autocorrelation of the measured light intensity and then fitting its decay to a solution of the correlation diffusion equation. It is well-known that the experimental autocorrelation is a biased estimator of the true autocorrelation. This work explores this phenomenon as it relates to DCS, in particular implementations with single photon avalanche diode arrays (SPAD arrays). After deriving a first-order expression for the bias in DCS, we then quantify its impact as a function of sampling time in both simulation and experiment using SPAD array detection. We then present and explore two bias correction strategies to correct for its impact at fast sampling times (20-200 Hz) and in low-photon regimes.

Source officielle

https://infoscience.epfl.ch/entities/publication/cdf8188e-e22b-41f6-a0c2-8c6447ccc098

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Claudio Bruschini
2025

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/cdf8188e-e22b-41f6-a0c2-8c6447ccc098

À propos de ce résultat

Concepts associés (32)

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Analyse spatiale

vignette|200px|Carte de cas de choléra pendant l'épidémie de 1854 à Londres L'analyse spatiale est une approche géographique qui étudie les localisations et les interactions spatiales en tant que composantes actives des fonctionnements sociétaux. Elle part du postulat selon lequel l'espace est acteur organisé. C'est une science nomothétique donc elle vise à proposer une approche modélisée de l'espace géographique en mettant en évidence des formes récurrentes d'organisation spatiales et des théories, notamment à travers diverses notions-clés : distance, réseaux, structure, .

Autocorrélation

L'autocorrélation est un outil mathématique souvent utilisé en traitement du signal. C'est la corrélation croisée d'un signal par lui-même. L'autocorrélation permet de détecter des régularités, des profils répétés dans un signal comme un signal périodique perturbé par beaucoup de bruit, ou bien une fréquence fondamentale d'un signal qui ne contient pas effectivement cette fondamentale, mais l'implique avec plusieurs de ses harmoniques. Note : La confusion est souvent faite entre l'auto-covariance et l'auto-corrélation.

Afficher plus

Publications associées (22)

Afficher plus

Autocorrelation Bias in Diffuse Correlation Spectroscopy Observable via SPAD Arrays

Chattez avec Graph Search

Denoising Score Matching with Random Features: Insights on Diffusion Models From Precise Learning Curves

Toward efficient signal extraction for deep tissue blood flow using parallelized diffuse correlation spectroscopy

Refined approach to cellularization: Going from Heller’s thawed Gaussian approximation to Herman–Kluk’s initial value representation