MétaCan
Menu
Retour à la cohorte
Enregistrement W3040374018 · doi:10.1017/s1431927600037569

Ultrasound Biomicroscopy of Cancer Therapy Effects: Correlation between Light and Electron Microscopy, and a New Non-Invasive Ultrasound Imaging Method for Detecting Apoptosis

2000· article· en· W3040374018 sur OpenAlexaff
Gregory J. Czarnota, Michael C. Kolios, Y. M. Heng, Kiran Devaraj, Chun‐Wai Tam, Laura Ling Ying Tan, F.P. Ottensmeyer, J.W. Hunt, M.D. Sherar

Notice bibliographique

RevueMicroscopy and Microanalysis · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensToronto Metropolitan UniversityUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesnon disponible
Mots-clésApoptosisUltrasoundSonodynamic therapyUltrasound biomicroscopyPhotodynamic therapyIn vivoMedicineCancerProgrammed cell deathPathologyCancer cellCancer researchBiomedical engineeringChemistryBiologyRadiologyInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We have discovered that high-frequency ultrasound imaging, or ultrasound biomicroscopy, can be used to detect apoptosis in a number of experimental systems. We have shown that such detection with 30-40 MHz ultrasound is possible using cells in an in vitro system (AML-3 leukemia cells) made to undergo apoptosis in response to treatment with a variety of cancer killing chemotherapeutic drugs. We have shown that ultrasound biomicroscopy can also detect programmed cell death in tissues made to undergo apoptosis in response to photodynamic therapy, currently an experimental cancer treating regimen. Lastly, we have shown that this ultrasound imaging approach works in vivo, using living animals where apoptosis has been induced similarly using photodynamic therapy. Specifically, apoptotic cells and regions of apoptosis in tissues exhibit up to a 36-fold increase in ultrasound backscatter intensity permitting this type of cell death to be readily discriminated from surrounding viable tissue.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,278
Écart entre enseignants0,272 · 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'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

Citations2
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207