In vivo MR detection of fluorine-labeled human MSC using the bSSFP sequence
Notice bibliographique
Résumé
Mesenchymal stem cells (MSC) are used to restore deteriorated cell environments. There is a need to specifically track these cells following transplantation in order to evaluate different methods of implantation, to follow their migration within the body, and to quantify their accumulation at the target. Cellular magnetic resonance imaging (MRI) using fluorine-based nanoemulsions is a great means to detect these transplanted cells in vivo because of the high specificity for fluorine detection and the capability for precise quantification. This technique, however, has low sensitivity, necessitating improvement in MR sequences. To counteract this issue, the balanced steady-state free precession (bSSFP) imaging sequence can be of great interest due to the high signal-to-noise ratio (SNR). Furthermore, it can be applied to obtain 3D images within short acquisition times. In this paper, bSSFP provided accurate quantification of samples of the perfluorocarbon Cell Sense-labeled cells in vitro. Cell Sense was internalized by human MSC (hMSC) without adverse alterations in cell viability or differentiation into adipocytes/osteocytes. The bSSFP sequence was applied in vivo to track and quantify the signals from both Cell Sense-labeled and iron-labeled hMSC after intramuscular implantation. The fluorine signal was observed to decrease faster and more significantly than the volume of iron-associated voids, which points to the advantage of quantifying the fluorine signal and the complexity of quantifying signal loss due to iron.
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 | 0,000 |
| 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) | 0,001 | 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 ».