MétaCan
Menu
Retour à la cohorte
Enregistrement W2974586760 · doi:10.1039/c9nr04902a

Recent advances in multiphoton microscopy combined with nanomaterials in the field of disease evolution and clinical applications to liver cancer

2019· review· en· W2974586760 sur OpenAlexaff
Hongxin Lin, Taojian Fan, Jian Sui, Guangxing Wang, Jianxin Chen, Shuangmu Zhuo, Han Zhang

Notice bibliographique

RevueNanoscale · 2019
Typereview
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensCanadian Society of Intestinal Research
Organismes subventionnairesChangjiang Scholar Program of Chinese Ministry of EducationNatural Science Foundation of Fujian ProvinceNational Natural Science Foundation of China
Mots-clésPhotobleachingMicroscopyNanotechnologyMultiphoton fluorescence microscopePhototoxicityMaterials scienceNanomaterialsOpticsChemistryFluorescence microscopePhysicsFluorescence

Résumé

récupéré en direct d'OpenAlex

Multiphoton microscopy (MPM) is expected to become a powerful clinical tool, with its unique advantages of being label-free, high resolution, deep imaging depth, low light photobleaching and low phototoxicity. Nanomaterials, with excellent physical and chemical properties, are biocompatible and easy to prepare and functionalize. The addition of nanomaterials exactly compensates for some defects of MPM, such as the weak endogenous signal strength, limited imaging materials, insufficient imaging depth and lack of therapeutic effects. Therefore, combining MPM with nanomaterials is a promising biomedical imaging method. Here, we mainly review the principle of MPM and its application in liver cancer, especially in disease evolution and clinical applications, including monitoring tumor progression, diagnosing tumor occurrence, detecting tumor metastasis, and evaluating cancer therapy response. Then, we introduce the latest advances in the combination of MPM with nanomaterials, including the MPM imaging of gold nanoparticles (AuNPs) and carbon dots (CDs). Finally, we also propose the main challenges and future research directions of MPM technology in HCC.

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 candidatesaucune
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 enseignants0,990
Score d'incertitude au seuil0,434

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,348
Écart entre enseignants0,328 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207