Classification of blood cells and tumor cells using label‐free ultrasound and photoacoustics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A label-free method that can identify cells in a blood sample using high frequency photoacoustic and ultrasound signals is demonstrated. When the wavelength of the ultrasound or photoacoustic wave is similar to the size of a single cell (frequencies of 100-500 MHz), unique periodic features occur within the ultrasound and photoacoustic power spectrum that depend on the cell size, structure, and morphology. These spectral features can be used to identify different cell types present in blood, such as red blood cells (RBCs), white blood cells (WBCs), and circulating tumor cells. Circulating melanoma cells are ideal for photoacoustic detection due to their endogenous optical absorption properties. Using a 532 nm pulsed laser and a 375 MHz transducer, the ultrasound and photoacoustic signals from RBCs, WBCs, and melanoma cells were individually measured in an acoustic microscope to examine how the signals change between cell types. A photoacoustic and ultrasound signal was detected from RBCs and melanoma cells; only an ultrasound signal was detected from WBCs. The different cell types were distinctly separated using the ultrasound and photoacoustic signal amplitude and power spectral periodicity. The size of each cell was also estimated from the spectral periodicity. For the first time, sound waves generated using pulse-echo ultrasound and photoacoustics have been used to identify and size single cells, with applications toward counting and identifying cells, including circulating melanoma cells.
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.
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 découle