MétaCan
Menu
Retour à la cohorte
Enregistrement W2114320683 · doi:10.1109/iembs.2009.5334535

Measuring the mechanical properties of cells using acoustic microscopy

2009· article· en· W2114320683 sur OpenAlexaff
Eric M. Strohm, Michael C. Kolios

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAcoustic microscopyMaterials sciencePolyvinylidene fluorideAcoustic impedanceAcoustic attenuationAttenuationElastic modulusMicroscopySpeed of soundAcousticsScanning acoustic microscopeElectrical impedanceModulusComposite materialOpticsUltrasonic sensorPolymer

Résumé

récupéré en direct d'OpenAlex

Time resolved acoustic microscopy was used to investigate the mechanical properties of MCF7 breast cancer cells at 375 MHz. The thickness, speed of sound, acoustic impedance, density, bulk modulus and attenuation were calculated using the amplitude and time of the ultrasound backscatter from the cellular membrane and substrate. The technique was first validated by measuring the mechanical properties of a material with well characterized properties, polyvinylidene fluoride (PVDF). The measured values agreed very well (within 4.5%) with those provided from the manufacturer. The same properties of MCF7 cells were then measured using the same technique. The speed of sound, acoustic impedance, density and bulk modulus were found to have values slightly higher than the medium they were testing in. In this paper, a technique to non-invasively measure the mechanical properties of cells using scanning acoustic microscopy is presented.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,207
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207