50 years of scanning electron microscopy of bone—a comprehensive overview of the important discoveries made and insights gained into bone material properties in health, disease, and taphonomy
Notice bibliographique
Résumé
Bone is an architecturally complex system that constantly undergoes structural and functional optimisation through renewal and repair. The scanning electron microscope (SEM) is among the most frequently used instruments for examining bone. It offers the key advantage of very high spatial resolution coupled with a large depth of field and wide field of view. Interactions between incident electrons and atoms on the sample surface generate backscattered electrons, secondary electrons, and various other signals including X-rays that relay compositional and topographical information. Through selective removal or preservation of specific tissue components (organic, inorganic, cellular, vascular), their individual contribution(s) to the overall functional competence can be elucidated. With few restrictions on sample geometry and a variety of applicable sample-processing routes, a given sample may be conveniently adapted for multiple analytical methods. While a conventional SEM operates at high vacuum conditions that demand clean, dry, and electrically conductive samples, non-conductive materials (e.g., bone) can be imaged without significant modification from the natural state using an environmental scanning electron microscope. This review highlights important insights gained into bone microstructure and pathophysiology, bone response to implanted biomaterials, elemental analysis, SEM in paleoarchaeology, 3D imaging using focused ion beam techniques, correlative microscopy and in situ experiments. The capacity to image seamlessly across multiple length scales within the meso-micro-nano-continuum, the SEM lends itself to many unique and diverse applications, which attest to the versatility and user-friendly nature of this instrument for studying bone. Significant technological developments are anticipated for analysing bone using the SEM.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».