MétaCan
Menu
Retour à la cohorte
Enregistrement W1128887588 · doi:10.1089/ten.tec.2013.0203

Multimodal Ultrasound-Photoacoustic Imaging of Tissue Engineering Scaffolds and Blood Oxygen Saturation In and Around the Scaffolds

2013· article· en· W1128887588 sur OpenAlexaff
Yahfi Talukdar, Pramod Avti, John Sun, Balaji Sitharaman

Notice bibliographique

RevueTissue Engineering Part C Methods · 2013
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensFujiFilm VisualSonics (Canada)
Organismes subventionnairesNational Institutes of Health
Mots-clésPLGABiomedical engineeringMaterials scienceEx vivoScaffoldTissue engineeringIn vivoNanotechnologyNanoparticleMedicine

Résumé

récupéré en direct d'OpenAlex

Preclinical, noninvasive imaging of tissue engineering polymeric scaffold structure and/or the physiological processes such as blood oxygenation remains a challenge. In vitro or ex vivo, the widely used scaffold characterization modalities such as porosimetry, electron or optical microscopy, and X-ray microcomputed tomography have limitations or disadvantages-some are invasive or destructive, others have limited tissue penetration (few hundred micrometers) and/or show poor contrast under physiological conditions. Postmortem histological analysis, the most robust technique for the evaluation of neovascularization is obviously not appropriate for acquiring physiological or longitudinal data. In this study, we have explored the potential of ultrasound (US)-coregistered photoacoustic (PA) imaging as a noninvasive multimodal imaging modality to overcome some of the above challenges and/or provide complementary information. US-PA imaging was employed to characterize poly(lactic-co-glycolic acid) (PLGA) polymer scaffolds or single-walled carbon nanotube (SWCNT)-incorporated PLGA (SWCNT-PLGA) polymer scaffolds as well as blood oxygen saturation within and around the scaffolds. Ex vivo, PLGA and SWCNT-PLGA scaffolds were placed at 0.5, 2, and 6 mm depths in chicken breast tissues. PLGA scaffolds could be localized with US imaging, but generate no PA signal (excitation wavelengths 680 and 780 nm). SWCNT-PLGA scaffolds generated strong PA signals at both wavelengths due to the presence of the SWCNTs and could be localized with both US and PA imaging depths between 0.5-6 mm (lateral resolution = 90 μm, axial resolution = 40 μm). In vivo, PLGA and SWCNT-PLGA scaffolds were implanted in subcutaneous pockets at 2 mm depth in rats, and imaged at 7 and 14 days postsurgery. The anatomical position of both the scaffolds could be determined from the US images. Only SWCNT-PLGA scaffolds could be easily detected in the US-PA images. SWCNT-PLGA scaffolds had significant four times higher PA signal intensity compared with the surrounding tissue and PLGA scaffolds. In vivo blood oxygen saturation maps around and within the PLGA scaffolds could be obtained by PA imaging. There was no significant difference in oxygen saturation for the PLGA scaffolds at the two time points. The blood oxygen saturation maps complemented the histological analysis of neovascularization of the PLGA scaffolds.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,240 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part C MethodsMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207