Multimodal imaging of vocal fold scarring in a rabbit model by multiphoton microscopy
Notice bibliographique
Résumé
Vocal fold scarring as a result of injury or disease can lead to voice disorders which can significantly affect the quality of life. During the scarring process, the normally elastic tissue of the vocal fold lamina propria is replaced by a much stiffer collagen-based fibrotic tissue, which impacts the fold’s ability to vibrate. Surgical removal of this tissue is often ineffective and can result in further scarring. Injectable biomaterials, a form of tissue engineering, have been proposed as a potential solution to reduce existing scars or prevent scarring altogether. In order to properly evaluate the effectiveness of these new materials, multiphoton microscopy emerges as an effective tool due to its intrinsic multiple label free contrast mechanisms that highlight extracellular matrix elements. In this study, we evaluate the spatial distribution of collagen and elastin fibers in a rabbit model using second harmonic generation (SHG), third harmonic generation (THG) and two photon autofluorescence (TPAF) applied to unlabeled tissue sections. In comparison to traditional methods that rely on histological staining or immunohistochemistry, SHG, THG and TPAF provide a more reliable detection of these native proteins. The evaluation of collagen levels allows us to follow the extent of scarring, while the presence of elastin fibers is thought to be indicative of the level of healing of the injured fold. Using these imaging modalities, we characterize the outcome of injectable biomaterial treatments in order to direct future treatments for tissue engineering.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».