Real-Time Control of Nanoparticle-Mediated Thermal Therapy Using Photoacoustic Imaging
Notice bibliographique
Résumé
OBJECTIVE: This work aims to determine whether photoacoustic (PA) thermometry from a commercially available PA imaging system can be used to control the temperature in nanoparticle-mediated thermal therapies. METHODS: The PA imaging system was interfaced to obtain PA images while scanning ex-vivo tissue. These images were then used to obtain temperature maps in real-time during heating. Validation and calibration of the PA thermometry were done using a fluoroptic thermometer. This thermometer was also used to develop and tune a software-based proportional integral derivative (PID) controller. Finally, a PA-based PID closed-loop controller was used to control gold nanorod (GNR) mediated laser therapy. RESULTS: The use of GNRs substantially enhanced laser heating; the temperature rise increased 7-fold by injecting a GNR solution with a concentration of 0.029 mg/mL. The control experiments showed that the desired temperature could be achieved and maintained at a targeted location in the ex-vivo tissue. The steady-state mean absolute deviations (MAD) from the targeted temperature during control were between 0.16 [Formula: see text] and 0.5 [Formula: see text], depending on the experiment. CONCLUSION: It was possible to control hyperthermia treatments using a software-based PID controller and a commercial PA imaging system. SIGNIFICANCE: The monitoring and control of the temperature in thermal-based therapies are important for assuring a prescribed temperature to the target tissue while minimizing the temperature of the surrounding healthy tissue. This easily implemented non-invasive control system will facilitate the realization of a broad range of hyperthermia treatments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».