MétaCan
Menu
Retour à la cohorte
Enregistrement W2310351445 · doi:10.1002/wnan.1398

Multimodal micro, nano, and size conversion ultrasound agents for imaging and therapy

2016· review· en· W2310351445 sur OpenAlexafffund
Elizabeth Huynh, Maneesha A. Rajora, Gang Zheng

Notice bibliographique

RevueWiley Interdisciplinary Reviews Nanomedicine and Nanobiotechnology · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchProstate Cancer Canada
Mots-clésMicroscale chemistryDrug deliveryMultimodalityNanotechnologyUltrasound imagingPreclinical imagingComputer scienceMedicineIn vivoMedical physicsUltrasoundMaterials scienceRadiologyPsychologyBiology

Résumé

récupéré en direct d'OpenAlex

Ultrasound (US) is one of the most commonly used clinical imaging techniques. However, the use of US and US-based intravenous agents extends far beyond imaging. In particular, there has been a surge in the fabrication of multimodality US contrast agents and theranostic US agents for cancer imaging and therapy. The unique interaction of US waves with microscale and nanoscale agents has attracted much attention in the development of contrast agents and drug-delivery vehicles. The dimensions of the agent not only dictate how it behaves in vivo, but also how it interacts with US for imaging and drug delivery. Furthermore, these agents are also unique due to their ability to convert from the nanoscale to the microscale and vice versa, having imaging and therapeutic utility in both dimensions. Here, we review multimodality and multifunctional US-based agents, according to their size, and also highlight recent developments in size conversion US agents. WIREs Nanomed Nanobiotechnol 2016, 8:796-813. doi: 10.1002/wnan.1398 For further resources related to this article, please visit the WIREs website.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,020
Tête enseignante GPT0,302
Écart entre enseignants0,282 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations29
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Nanomedicine and NanobiotechnologyMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207