MétaCan
Menu
Retour à la cohorte
Enregistrement W2002078626 · doi:10.1109/tuffc.2011.1896

Microbubble sizing and shell characterization using flow cytometry

2011· article· en· W2002078626 sur OpenAlexaff
Juan Tu, Jarred E. Swalwell, David Giraud, Weicheng Cui, W Chen, Thomas J. Matula

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesDivision of Mathematical SciencesNational Institute of Biomedical Imaging and BioengineeringNanjing UniversityUniversity of Washington
Mots-clésMicrobubblesMaterials scienceParticle sizePopulationVolumetric flow rateElasticity (physics)Shear modulusBubbleViscosityMechanicsOpticsAcousticsUltrasoundComposite materialPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Experiments were performed to size, count, and obtain shell parameters for individual ultrasound contrast microbubbles using a modified flow cytometer. Light scattering was modeled using Mie theory, and applied to calibration beads to calibrate the system. The size distribution and population were measured directly from the flow cytometer. The shell parameters (shear modulus and shear viscosity) were quantified at different acoustic pressures (from 95 to 333 kPa) by fitting microbubble response data to a bubble dynamics model. The size distribution of the contrast agent microbubbles is consistent with manufacturer specifications. The shell shear viscosity increases with increasing equilibrium microbubble size, and decreases with increasing shear rate. The observed trends are independent of driving pressure amplitude. The shell elasticity does not vary with microbubble size. The results suggest that a modified flow cytometer can be an effective tool to characterize the physical properties of microbubbles, including size distribution, population, and shell parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,187
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207