MétaCan
Menu
Retour à la cohorte
Enregistrement W2804059730 · doi:10.1039/c8an00310f

Platforms for rapid cancer characterization by ambient mass spectrometry: advancements, challenges and opportunities for improvement towards intrasurgical use

2018· review· en· W2804059730 sur OpenAlexaff
Michael Woolman, Arash Zarrine‐Afsar

Notice bibliographique

RevueThe Analyst · 2018
Typereview
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensUniversity of TorontoSt. Michael's HospitalToronto Public HealthUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryDesorption electrospray ionizationCharacterization (materials science)Mass spectrometry imagingAmbient ionizationNanotechnologyMaterials scienceChemistryAnalytical Chemistry (journal)Computer scienceIonizationChromatographyChemical ionization

Résumé

récupéré en direct d'OpenAlex

Ambient Mass Spectrometry (MS) analysis is widely used to characterize biological and non-biological samples. Advancements that allow rapid analysis of samples by ambient methods such as Desorption Electrospray Ionization Mass Spectrometry (DESI-MS) and Rapid Evaporative Ionization Mass Spectrometry (REIMS) are discussed. A short, non-comprehensive overview of ambient MS is provided that only contains example applications due to space limitations. A spatially encoded mass spectrometry analysis concept to plan cancer resection is introduced. The application of minimally destructive tissue ablation probes to survey the surgical field for sites of pathology using on-line analysis methods is discussed. The technological challenges that must be overcome for ambient MS to become a robust method for intrasurgical pathology assessments are reviewed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,993
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,129
Tête enseignante GPT0,342
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207