Imaging growth of thick engineered tissues with fluorescence diffuse optical tomography
Notice bibliographique
Résumé
Recent advances in tissue engineering (TE) aim to grow 3D volumes of tissue in bioreactor conditions. This has proved to be a difficult task thus far, notably due to the lack of non-invasive diagnostic tools to monitor the growth of a tissue and ensure its appropriate development. To fulfill part of this need, we currently develop a non-invasive imaging technique based on fluorescence diffuse optical tomography (FDOT) to image in 3D, via fluorescent tracers, processes relevant to tissue growth in a bioreactor. More particularly, here we are interested in imaging the formation of micro-blood vessels in tissue cultures grown on biodegradable scaffolds. Blood vessels are thought to play a fundamental role in tissue growth. Since a bioreactor possesses a known geometry (by design), we propose an FDOT configuration that uses fiber optics brought in contact with the boundary of the bioreactor to collect tomographic optical data. We describe an optical fibers-based set-up and experimental measurements that demonstrate the possibility of localizing a fluorophore-filled 500&mgr;m capillary immersed in a scattering medium contained in a cylindrically-shaped glass tube. These conditions are representative of experiments to be carried on real tissue cultures. In our particular implementation, time-resolved scattering- fluorescence measurements are made via time-correlated single photon counting. Numerical constant fraction discrimination applied to our time-resolved data allows to extract primary localization information.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».