Fabrication and characterization of silica aerogel as synthetic tissues for medical imaging phantoms
Notice bibliographique
Résumé
Medical imaging plays an important role in the field of healthcare industry both in clinical settings and in research and development. It is used in prevention, early detection of disease, in choosing the optimal treatment, during surgical interventions and monitoring of the treatment effects. Despite much advancement in the last few decades, rapid change on its technology development and variety of imaging parameters that differ with the manufacturer restrict its further development. Imaging phantom is a calibrating medium that is scanned or imaged in the field of medical imaging to evaluate, analyze and tune the performance of various imaging devices. A phantom used to evaluate an imaging device should respond in a similar manner to how human tissue and organs would act in that specific imaging modality. There has been many research on the phantom materials; however, there has been no attempt to study on the material that mimics the structure of lung or fibrous tissue. So with the need for development of gel with such structure, we tried to mimic this structure with aerogel. Silica aerogels have unique properties that include low density (0.003g/cm) and mesoporosity (pore size 2-50nm), with a high thermal insulation value (0.005W/mK) and high surface area (500-1200m−2/g).] In this study, we cross-linked with di-isocyanate, which is a group in polyurethane to covalently bond the polymer to the surface of silica aerogel to enhance the mechanical properties. By formation of covalent bonds, the structure can be reinforced by widening the interparticle necks while minimally reducing porosity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».