<i>In vivo</i> quantification of fluorescent molecular markers in real‐time by ratio imaging for diagnostic screening and image‐guided surgery
Notice bibliographique
Résumé
Future applications of "molecular diagnostic screening" and "molecular image-guided surgery" will demand images of molecular markers with high resolution and high throughput (~ > or =30 frames/second). MRI, SPECT, PET, optical fluorescence tomography, hyper-spectral fluorescence imaging, and bioluminescence imaging do not offer such high frame rates. 2D optical fluorescence imaging can provide surface images with high resolution and high throughput. The ability to accurately quantify the fluorescence in vivo is critical to extract functional information of the disease state, however few methods are available. Here, a ratiometric 2D quantification method is introduced. Through mathematical modeling the performance was evaluated using optical properties that resembled biological tissues with the fluorescent marker Protoporhyrin IX. Experimentally the performance was evaluated in optical phantoms with different optical properties employing a novel prototype clinical imaging system. The clinical feasibility of real-time, image-guided surgery was demonstrated in patients undergoing prostatectomy. Discussed are the reasons why the introduced method leads to an increased quantification performance followed by modifications so it can be applied to novel fluorescent molecular markers as phthalocyanine 4 and dual-fluorescent markers. These offer additional advantages as these can provide a linear response to marker concentration and further minimize the dependence on autofluorescence and optical properties, as demonstrated through modeling.
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 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 | 0,002 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».