MétaCan
Menu
Retour à la cohorte
Enregistrement W2996269165 · doi:10.1039/c9an01030k

Rapid and complete paraffin removal from human tissue sections delivers enhanced Raman spectroscopic and histopathological analysis

2019· article· en· W2996269165 sur OpenAlexaff
Riana Gaifulina, Daren J. Caruana, Dahmane Oukrif, Naomi Guppy, S J Culley, Robert H. Brown, Ian M. Bell, Manuel Rodriguez‐Justo, Katherine Lau, Geraint Thomas

Notice bibliographique

RevueThe Analyst · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensCanadian Society of Intestinal Research
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilUCLH Biomedical Research CentreRenishawMedical Research CouncilUniversity College London Hospitals NHS Foundation TrustNational Institute for Health and Care ResearchWellcome Trust
Mots-clésRaman spectroscopyImmunohistochemistryHistologyPathologyStainingMaterials scienceBiomedical engineeringMedicineOptics

Résumé

récupéré en direct d'OpenAlex

Incomplete removal of paraffin and organic contaminants from tissues processed for diagnostic histology has been a profound barrier to the introduction of Raman spectroscopic techniques into clinical practice. We report a route to rapid and complete paraffin removal from a range of formalin-fixed paraffin embedded tissues using super mirror stainless steel slides. The method is equally effective on a range of human and animal tissues, performs equally well with archived and new samples and is compatible with standard pathology lab procedures. We describe a general enhancement of the Raman scatter and enhanced staining with antibodies used in immunohistochemistry for clinical diagnosis. We conclude that these novel slide substrates have the power to improve diagnosis through anatomical pathology by facilitating the simultaneous combination of improved, more sensitive immunohistochemical staining and simplified, more reliable Raman spectroscopic imaging, analysis and signal processing.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,013
Tête enseignante GPT0,299
Écart entre enseignants0,285 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207