Ln3+-doped nanoparticles for upconversion and magnetic resonance imaging: some critical notes on recent progress and some aspects to be considered
Notice bibliographique
Résumé
In this feature article we will critically discuss the synthesis and characterisation aspects of Ln(3+)-doped nanoparticles (NPs) that show upconversion, upon 980 nm excitation. Upconversion is a non-linear process that converts two or more low-energy photons, often near-infrared photons, into one of higher energy, e.g. blue and 800 nm from Tm(3+) and green and red from Er(3+) or Ho(3+). Nearly all researchers use the absorption of 980 nm light by Yb(3+) as the sensitiser for the co-doped emissive Ln(3+) ions. The focus will be on LnF(3) and MLnF(4) (M = alkali metal) as the host matrix, because most progress has been made with these. In particular we will argue that a detailed understanding of how the dopant ions and the host Ln(3+) ions are distributed (in the core) and how (doped) shell growth occurs is not well understood. Moreover, their use as optical and magnetic resonance imaging contrast agents will be discussed. We will argue that deep-tissue imaging beyond 600 μm with retention of optical resolution, i.e. to see fine structure such as blood capillaries in brain tissues, has not yet been achieved. Three key parameters have been identified as impediments: (i) the low absorption efficiency of the Yb(3+) sensitiser, (ii) the low quantum yield of upconversion, and (iii) the long-lived excited states. On the other hand, there are very encouraging results that suggest that these nanoparticles could be developed into very potent magnetic resonance imaging (MRI) contrast agents.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».