MétaCan
Menu
Retour à la cohorte
Enregistrement W3177379472 · doi:10.1149/ma2021-0110537mtgabs

Preclinical Imaging and Spectroscopy in the NIR-II Window with Indocyanine Green (ICG) and Single-Walled Carbon Nanotubes

2021· article· en· W3177379472 sur OpenAlexaff
Wendy Chung, Thomas Vito Galassi, Jackson D. Harvey, Hanan Baker, David Rioux, Émilie Beaulieu Ouellet, María Moreno, Daniel A. Heller

Notice bibliographique

RevueECS Meeting Abstracts · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensPhoton Etc (Canada)
Organismes subventionnairesnon disponible
Mots-clésIndocyanine greenHyperspectral imagingMaterials scienceAutofluorescencePenetration depthOpticsNear-infrared spectroscopyPhotothermal therapyPreclinical imagingSpectral imagingWavelengthMultispectral imageOptoelectronicsBiomedical engineeringIn vivoFluorescenceNanotechnologyMedicineRemote sensingPhysics

Résumé

récupéré en direct d'OpenAlex

We developed a near-infrared small animal imaging system, IR VIVO, that provides real-time images, videos and spectral imaging in the NIR-I and shortwave infrared (SWIR or NIR-II) regions. We found that SWIR wavelengths can give optimal resolution for in vivo optical imaging of deep organs in mice up to 3 cm due to the low tissue autofluorescence, scattering and absorption of light at these wavelengths. We also showed how this higher penetration depth can enable the detection of small wavelength changes in the emission of carbon nanotube-based sensors implanted in vivo using a continuously tunable filter. First, we demonstrated superior image clarity and penetration depth at NIR-II wavelengths (1000-1700 nm) in vivo using an FDA approved dye, indocyanine green (ICG) in a mouse. We used 780 nm excitation, detection using a Zephir 1.7 InGaAs camera and 1250 nm long-pass emission filter. We found low tissue autofluorescence at 1250 nm. The ICG dye imaging resulted in superior visualization of microvasculature, perfusion, measurement of hearst rate, respiratory rate, hepatobiliary and intestinal contractions. Further anatomical and functional imaging was carried out by looking at the kinetics of ICG, resulting in the identification of different organs. Second, In vivo near-infrared hyperspectral imaging of carbon nanotubes was conducted using a continuously-tunable filter in the imager. A diffraction volume Bragg grating (VBG), was used to provide narrow-band wavelength selection. Coupled with a homogeneous global illumination, spectrally-defined images were acquired in the entire field of view. The result was a dataset containing both 2D spatial information and the full spectrum for each point in the image. We conducted near-infrared hyperspectral imaging of single-walled carbon nanotubes to measure small wavelength changes of the nanotubes implanted into live mice. Hyperspectral measurements of carbon nanotube sensors for lipids in the liver as well as implantable sensors for doxorubicin were conducted, facilitating liver disease monitoring and drug pharmacokinetics measurements. Finally, we believe wide-area NIR-II imaging and spectral/hyperspectral measurements have broad potential applications for the use of carbon nanotubes and other NIR-I/II materials in basic materials/biology, translational, and clinical work, including sensor arrays, point-of-care measurements, implants, whole small animal imaging and intraoperative/surgical imaging.

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 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 enseignants0,059
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,290
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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207