MétaCan
Menu
Retour à la cohorte
Enregistrement W2158370788 · doi:10.1109/tnb.2007.903486

Nondestructive Online <emphasis>In Vitro</emphasis> Monitoring of Pre-Osteoblast Cell Proliferation Within Microporous Polymer Scaffolds

2007· article· en· W2158370788 sur OpenAlexaff
D. Dziong, Pierre Bagnaninchi, Robert E. Kearney, Maryam Tabrizian

Notice bibliographique

RevueIEEE Transactions on NanoBioscience · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicroporous materialMaterials scienceOsteoblastBiomedical engineeringChemistryIn vitroComposite materialMedicine

Résumé

récupéré en direct d'OpenAlex

We present a system for the online, in vitro, nondestructive monitoring of tissue growth within microporous polymer scaffolds. The system is based on measuring the admittance of the sample over a frequency range of 10-200 MHz using an open-ended coaxial probe and impedance analyzer. The sample admittance is related to the sample complex permittivity (CP) by a quasi-static model of the probe's aperture admittance. A modified effective medium approximation is then used to relate the CP to the cell volume fraction. The change of cell volume fraction is used as a measure of tissue growth inside the scaffold. The system detected relative cell concentration differences between microporous polymer scaffolds seeded with 0.4, 0.45, 0.5, and 0.6 x 10(6) pre-osteoblast cells. In addition, the pre-osteoblast proliferation within 56 scaffolds over 14 days was recorded by the system and a concurrent DNA assay. Both techniques produced cell proliferation curves that corresponded to those found in literature. Thus, our data confirmed that the new system can assess relative cell concentration differences in microporous scaffolds enabling online nondestructive tissue growth monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on NanoBioscienceMême sujetBone Tissue Engineering MaterialsTravaux en français237 207