Closed-loop cavitation control for focused ultrasound-mediated blood–brain barrier opening by long-circulating microbubbles
Notice bibliographique
Résumé
Focused ultrasound (FUS) exposure in the presence of microbubbles (MBs) has been successfully used in the delivery of various sizes of therapeutic molecules across the blood-brain barrier (BBB). While acoustic pressure is correlated with the BBB opening size, real-time control of BBB opening to avoid vascular and neural damage is still a challenge. This arises mainly from the variability of FUS-MB interactions due to the variations of animal-specific metabolic environment and specific experimental setup. In this study, we demonstrate a closed-loop cavitation control framework to induce BBB opening for delivering large therapeutic molecules without causing macro tissue damages. To this end, we performed in mice long-term (5 min) cavitation monitoring facilitated by using long-circulating MBs. Monitoring the long-term temporal kinetics of the MBs under varying level of FUS pressure allowed to identify in situ, animal specific activity regimes forming pressure-dependent activity bands. This enables to determine the boundaries of each activity band (i.e. steady oscillation, transition, inertial cavitation) independent from the physical and physiological dynamics of the experiment. However, such a calibration approach is time consuming and to speed up characterization of the in situ, animal specific FUS-MB dynamics, we tested a novel method called 'pre-calibration' that closely reproduces the results of long-term monitoring but with a much shorter duration. Once the activity bands are determined from the pre-calibration method, an operation band can be selected around the desired cavitation dose. To drive cavitation in the selected operation band, we developed an adaptive, closed-loop controller that updates the acoustic pressure between each sonication based on measured cavitation dose. Finally, we quantitatively assessed the safety of different activity bands and validated the proposed methods and controller framework. The proposed framework serves to optimize the FUS pressure instantly to maintain the targeted cavitation level while improving safety control.
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 | 0,000 |
| 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) | 0,000 | 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 ».