Magnetic Navigation Control of Microagents in the Vascular Network: Challenges and Strategies for Endovascular Magnetic Navigation Control of Microscale Drug Delivery Carriers
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
Although navigation control has been applied in a multitude of environments, relatively little is known about the challenges and issues of navigation control in the vascular network. In an adult human, the vascular network consists of nearly 100,000 km of blood vessels, with diameters ranging from a few millimeters in the artery to just a few micrometers in the capillaries, and blood flow rates ranging from a few tens of centimeters per second to a few millimeters per second. Although vascular networks present great challenges, due to various environmental conditions, they are of special interest in medical microrobotics since they allow navigable agents to be delivered anywhere within the body. Controlled endovascular navigation would allow targeted surgical, diagnostic, and therapeutic interventions. In cancer therapy, for instance, although many of the most deadly cancers are initially located in a single region, modern therapies such as chemotherapy continue to inject excessive amounts of toxic agents thecirculate systematically throughout the vascular network. In general, only a tiny fraction of the drug reaches the treatment region [1]. Even the level of targeting achieved by agents with special coatings to enhance tumor cell specificity is far from optimal when they are injected systematically in the vascular network. Since the therapeutics do not discriminate between cancerous and healthy cells, systemic circulation of these agents must be avoided to eliminate, or at least minimize, secondary toxicity that affects healthy organs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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