Dynamic tracking of magnetic nanoparticles for mapping microvascular networks using a clinical 1.5 T magnetic resonance scanner
Notice bibliographique
Résumé
Being able to visualize blood vessels with an inner diameter of less than 150 μm is the present limit of modern medical imaging modalities and it becomes an important issue to advance state-of-the-art medical imaging, diagnostics, surgery, and targeted interventions. In cancer therapy, such capability would provide the information required for new delivery methods such as magnetic resonance navigation to navigate therapeutic agents along a planned trajectory deeper in the vasculature and hence closer to the region to be treated for enhancing the therapeutic index. To demonstrate the possibility of gathering images of microvascular networks dynamically and beyond the limitation of medical imaging modalities, the susceptibility artifact was used as the contrast mechanism in magnetic resonance imaging (MRI) to detect magnetic micro-aggregations of iron-oxide nanoparticles (150 ± 20 μm in diameter) as they were injected in a 2D synthetic microvascular network. Magnetic entities cause susceptibility artifacts in the images by disrupting the MRI's homogeneous magnetic field in a much larger scale than their actual size. The position of the artifact reflects the position of the aggregations in the vascular system. The calculated positions of discrete-time scans were extracted and assembled to build up the distribution of the vascular network. The results suggest that this method could be used to gather images of blood vessels beyond the spatial resolution of clinical medical imaging modalities with a measured average error confirmed on a 2D reconstruction of the micro-vessels of approximately half of a pixel's size.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».