Microfluidic Generation of Monodisperse Nanobubbles by Selective Gas Dissolution
Notice bibliographique
Résumé
Nanotechnology currently enables the fabrication of uniform solid nanoparticles and liquid nano-emulsions, but not uniform gaseous nanobubbles (NBs). In this article, for the first time, a method based on microfluidics that directly produces monodisperse NBs is reported. Specifically, a two-component gas mixture of water-soluble nitrogen and water-insoluble octafluoropropane as the gas phase are used in a microfluidic bubble generator. First, monodisperse microbubbles (MBs) with a classical microfluidic flow-focusing junction is generated, then the MBs shrink down to ≈100 nm diameter, due to the dissolution of the water-soluble components in the gas mixture. The degree of shrinkage is controlled by tuning the ratio of water-soluble to water-insoluble gas components. This technique maintains the monodispersity of the NBs, and enables precise control of the final NB size. It is found that the monodisperse NBs show better homogeneity than polydisperse NBs in in vitro ultrasound imaging experiments. Proof-of-concept in vivo kidney imaging is performed in live mice, demonstrating enhanced contrast using the monodisperse NBs. The NB monodispersity and imaging results make microfluidically generated NBs promising candidates as ultrasound contrast and molecular imaging agents.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».