Analysis of the Efficiency of Photothermal and Photodynamic Cancer Therapy via Nanogolds and Photosensitizers
Notice bibliographique
Résumé
Factors influencing the cancer therapy efficiency in both photothermal therapy (PTT) and photodynamic therapy (PDT) using nanogold particles and photosensitizers, respectively, are analyzed. In PTT, heat diffusion kinetics is used to calculate the temperature increase resulted from the nanogold absorption of light energy, whereas photochemical kinetics is used to find the efficacy of PDT, or the generation rate of reactive oxygen species. The critical factors of the PTT/PDT synergistic efficacy include: the concentration of the initiator (nanogold or photosensitizers) in the treated medium, the wavelength and energy of the light applied to the medium. Optimal parameters are calculated for maximum PDT efficacy. In PTT, diode laser (at 810 nm) is used to heat nanogolds (rod-shape or core-shell). In PDT, photosensitizers of riboflavin, 5-ALA, methylene blue and indocyanine green may be used with the associate light at wavelength of (365, 430 nm), (530-670 nm) and (780-850 nm) respectively. Both single light or dual light in infrared or visible wavelength are proposed to activate the photosensitizers or nanogolds. Optimization is required for maximum synergistic efficacy.
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 | 0,001 | 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 ».