Imaging Islets Labeled With Magnetic Nanoparticles at 1.5 Tesla
Notice bibliographique
Résumé
We have developed a magnetic resonance imaging (MRI) technique for imaging Feridex (superparamagnetic iron oxide [SPIO])-labeled islets of Langerhans using a standard clinical 1.5-Tesla (T) scanner and employing steady-state acquisition imaging sequence (3DFIESTA). Both porcine and rat islets were labeled with SPIO by a transfection technique using a combination of poly-l-lysine and electroporation. Electron microscopy demonstrated presence of SPIO particles within the individual islet cells, including beta-cells and particles trapped between cell membranes. Our labeling method produced a transfection rate of 860 pg to 3.4 ng iron per islet, dependent on the size of the islet. The labeling procedure did not disrupt either the function or viability of the islets. In vitro 3DFIESTA magnetic resonance images of single-labeled islets corresponded with their optical images. In vivo T2*-weighted scan using 1.5 T detected as few as 200 SPIO-labeled islets transplanted under rat kidney capsule, which correlated with immunohistochemistry of the transplant for insulin and iron. Ex vivo 3DFIESTA images of kidneys containing 200, 800 or 2,000 SPIO-labeled islet isografts showed good correlation between signal loss and increasing numbers of islets. These data provide evidence that islets can be labeled with SPIO and imaged using clinically available 1.5- T MRI.
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 | 0,000 | 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) | 0,001 | 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 ».