Circulating tumor cell detection using photoacoustic spectral methods
Notice bibliographique
Résumé
A method to detect and differentiate circulating melanoma tumor cells (CTCs) from blood cells using ultrasound and photoacoustic signals with frequencies over 100 MHz is presented. At these frequencies, the acoustic wavelength is similar to the dimensions of a cell, which results in unique features in the signal; periodically varying minima and maxima occur throughout the power spectrum. The spacing between minima depends on the ratio of the size to sound speed of the cell. Using a 532 nm pulsed laser and a 375 MHz center frequency wide-bandwidth transducer, the ultrasound and photoacoustic signals were measured from single cells. A total of 80 cells were measured, 20 melanoma cells, 20 white blood cells (WBCs) and 40 red blood cells (RBCs). The photoacoustic spectral spacing Δf between minima was 95 ± 15 MHz for melanoma cells and greater than 230 MHz for RBCs. No photoacoustic signal was detected from WBCs. The ultrasonic spectral spacing between minima was 46 ± 9 MHz for melanoma cells and 98 ± 11 for WBCs. Both photoacoustic and ultrasound signals were detected from melanoma cells, while only ultrasound signals were detected from WBCs. RBCs showed distinct photoacoustic spectral variations in comparison to any other type of cell. Using the spectral spacing and signal amplitudes, each cell type could be grouped together to aid in cell identification. This method could be used for label-free counting and classifying cells in a sample.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».