The sensitivity of magnetic particle imaging and fluorine-19 magnetic resonance imaging for cell tracking
Notice bibliographique
Résumé
Abstract Magnetic particle imaging (MPI) and fluorine-19 ( 19 F) MRI produce images which allow for quantification of labeled cells. MPI is an emerging instrument for cell tracking, which is expected to have superior sensitivity compared to 19 F MRI. Our objective is to assess the cellular sensitivity of MPI and 19 F MRI for detection of mesenchymal stem cells (MSC) and breast cancer cells. Cells were labeled with ferucarbotran or perfluoropolyether, for imaging on a preclinical MPI system or 3 Tesla clinical MRI, respectively. Using the same imaging time, as few as 4000 MSC (76 ng iron) and 8000 breast cancer cells (74 ng iron) were reliably detected with MPI, and 256,000 MSC (9.01 × 10 16 19 F atoms) were detected with 19 F MRI, with SNR > 5. MPI has the potential to be more sensitive than 19 F MRI for cell tracking. In vivo sensitivity with MPI and 19 F MRI was evaluated by imaging MSC that were administered by different routes. In vivo imaging revealed reduced sensitivity compared to ex vivo cell pellets of the same cell number. We attribute reduced MPI and 19 F MRI cell detection in vivo to the effect of cell dispersion among other factors, which are described.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».