MétaCan
Menu
Retour à la cohorte
Enregistrement W3082995009 · doi:10.1021/acsomega.0c02650

Advances in Medical Imaging: Aptamer- and Peptide-Targeted MRI and CT Contrast Agents

2020· review· en· W3082995009 sur OpenAlexafffund
Anna Koudrina, Maria C. DeRosa

Notice bibliographique

RevueACS Omega · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésMagnetic resonance imagingAptamerMedical imagingMolecular imagingMedicineContrast (vision)Computed tomographyMedical physicsRadiologyComputer scienceArtificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

Computed tomography (CT) and magnetic resonance imaging (MRI) are among the most well-established modalities in the field of noninvasive medical imaging. Despite being powerful tools, both suffer from a number of limitations and often fall short when it comes to full delineation of pathological tissues. Since its conception, molecular imaging has been commonly utilized to further the understanding of disease progression, as well as monitor treatment efficacy. This has naturally led to the advancement of the field of targeted imaging. Targeted imaging research is currently dominated by ligand-modified contrast media for applications in MRI and CT imaging. Although a plethora of targeting ligands exist, a fine balance between their size and target binding efficiency must be considered. This review will focus on aptamer- and peptide-modified contrast agents, outlining selected formulations developed in recent years while highlighting the advantages offered by these targeting ligands.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,281 · 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'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

Citations51
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207