Magnetic microspheres can be used for magnetic particle imaging of cancer cells arrested in the mouse brain
Notice bibliographique
Résumé
Purpose Magnetic particle imaging (MPI) is a new imaging modality that sensitively and specifically detects superparamagnetic iron oxide nanoparticles (SPIOs). MRI cell tracking with SPIOs has very high sensitivity, but low specificity and quantification is difficult. MPI could overcome these limitations. There are no reports of micron‐sized iron oxide particles (MPIO) for cell tracking by MPI. Therefore, the goal was to evaluate if MPIO can be used for in vivo detection and quantification of cancer cells distributed in the mouse brain by MPI. Methods In the first experiment mice were injected with either 2.5 × 10 5 or 5.0 × 10 5 MPIO‐labeled cancer cells and MPI was performed ex vivo. In a second experiment, mice received either 2.5 × 10 5 or 5.0 × 10 4 MPIO‐labeled cells and MPI was performed in vivo. In a third experiment, mice were injected with 5.0 × 10 4 cells, labeled with either MPIO or ferucarbotran, and MPI was performed in vivo. Results MPIO‐labeled cells were visible in all MPI images of the mouse brain. The MPI signal and iron content measurements were greater for brains of mice that were injected with higher numbers of MPIO‐labeled cells. Ferucarbotran‐labeled cells were not detected in the brain by MPI. Conclusion This is the first example of the use of MPIO for cell tracking with MPI. With an intracardiac cell injection, ~15% of cells will arrest in the brain vasculature. For our lowest cell injection of 5.0 × 10 4 cells, this was ~10 000 cells, distributed throughout the brain.
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 | 0,001 |
| 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 ».