Vaporization of perfluorocarbon droplets using optical irradiation
Notice bibliographique
Résumé
Micron-sized liquid perfluorocarbon (PFC) droplets are currently being investigated as activatable agents for medical imaging and cancer therapy. After injection into the bloodstream, superheated PFC droplets can be vaporized to a gas phase for ultrasound imaging, or for cancer therapy via targeted drug delivery and vessel occlusion. Droplet vaporization has been previously demonstrated using acoustic methods. We propose using laser irradiation as a means to induce PFC droplet vaporization using a method we term optical droplet vaporization (ODV). In order to facilitate ODV of PFC droplets which have negligible absorption in the infrared spectrum, optical absorbing nanoparticles were incorporated into the droplet. In this study, micron-sized PFC droplets loaded with silica-coated lead sulfide (PbS) nanoparticles were evaluated using a 1064 nm laser and ultra-high frequency photoacoustic ultrasound (at 200 and 375 MHz). The photoacoustic response was proportional to nanoparticle loading and successful optical droplet vaporization of individual PFC droplets was confirmed using photoacoustic, acoustic, and optical measurements. A minimum laser fluence of 1.4 J/cm(2) was required to vaporize the droplets. The vaporization of PFC droplets via laser irradiation can lead to the activation of PFC agents in tissues previously not accessible using standard ultrasound-based techniques.
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 ».