Ln3+-doped nanoparticles for upconversion and magnetic resonance imaging: some critical notes on recent progress and some aspects to be considered
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle