Near‐infrared Raman spectroscopy for optical diagnosis of lung cancer
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
Raman spectroscopy is a vibrational spectroscopic technique that can be used to optically probe the molecular changes associated with diseased tissues. The objective of our study was to explore near-infrared (NIR) Raman spectroscopy for distinguishing tumor from normal bronchial tissue. Bronchial tissue specimens (12 normal, 10 squamous cell carcinoma (SCC) and 6 adenocarcinoma) were obtained from 10 patients with known or suspected malignancies of the lung. A rapid-acquisition dispersive-type NIR Raman spectroscopy system was used for tissue Raman studies at 785 nm excitation. High-quality Raman spectra in the 700-1,800 cm(-1) range from human bronchial tissues in vitro could be obtained within 5 sec. Raman spectra differed significantly between normal and malignant tumor tissue, with tumors showing higher percentage signals for nucleic acid, tryptophan and phenylalanine and lower percentage signals for phospholipids, proline and valine, compared to normal tissue. Raman spectral shape differences between normal and tumor tissue were also observed particularly in the spectral ranges of 1,000-1,100, 1,200-1,400 and 1,500-1,700 cm(-1), which contain signals related to protein and lipid conformations and nucleic acid's CH stretching modes. The ratio of Raman intensities at 1,445 to 1,655 cm(-1) provided good differentiation between normal and malignant bronchial tissue (p < 0.0001). The results of this exploratory study indicate that NIR Raman spectroscopy provides significant potential for the noninvasive diagnosis of lung cancers in vivo based on the optic evaluation of biomolecules.
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 | 0,000 |
| 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) | 0,000 | 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