Upconversion of Ln<sup>3+</sup>‐based Nanoparticles for Optical Bio‐imaging
Notice bibliographique
Résumé
This chapter provides an overview of upconversion nanoparticles, including some of the characteristics of the trivalent lanthanide ions, with an emphasis on the optical and magnetic properties. A detailed discussion of the various non-linear processes is given. The synthesis strategies of upconversion systems are briefly discussed. Subsequently, some basic and advanced characterization techniques are briefly presented, followed by a study of bioimaging, which is the focus of this chapter. This section of the chapter is divided into two parts. The first part deals with only cell studies. These studies are a mere proof of principle, as upconversion for the imaging of cell cultures is not really necessary. The second part deals with those studies that also included small animal studies. The author argues that these are encouraging studies but much better nanoparticles are needed, better in the sense that they have to give us more photons per second per nanoparticles; in other words, the currently available systems are not yet efficient enough. Finally, those articles that include multimodal imaging modalities, especially those that combine with magnetic resonance imaging (MRI), are discussed. The author argues that it is not immediately evident why it is beneficial to combine optical and MR imaging in one and the same nanoparticle, for these two techniques have very different depth penetration. In addition, for any other combination, one has to show the advantages of that particular combination. This could, for instance, be fewer false positives or a better overall resolution.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».