MétaCan
Menu
← Retour à la cohorte
Enregistrement W3217486408 · doi:10.1121/10.0008483

Cavitation from fundamental research to clinical applications

2021· article· en· W3217486408 sur OpenAlexaff
Kullervo Hynynen

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrobubblesCavitationFocused ultrasoundUltrasoundExcited stateMaterials scienceTherapeutic ultrasoundBlood–brain barrierUltrasound energyBiomedical engineeringAcousticsMedicineNeurosciencePhysicsBiology

Résumé

récupéré en direct d'OpenAlex

The therapeutic use of focused ultrasound has a long history exploring both the use of inertial cavitation and thermal effects to induce tissue effects noninvasively. The thermal effects have been better understood and easier to control in clinical practice and thus they were first explored for example for cancer treatments. The utilizations of cavitation has been slower although it offers a wide spectrum of useful bio-effects. One of the first observations was that ultrasound generated gas bubbles will enhance energy absorption and can thus reduce the required energy for ablative exposures. Similar enhancement can be achieved with preformed microbubbles injected in the blood stream. These intra-vascular bubbles when excited with low pressure amplitude waves can also modulate the permeability of the blood vessels. This is most useful in organs such as brain where the endothelial cells are tightly connected forming a barrier for molecular diffusion into the tissue. The local modulation of the Blood-Brain barrier has been explored for targeted drug delivery into the brain in animal models and is now in clinical testing. In this talk the history, current status and future potential of ultrasound excited gas bodies will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,354
Écart entre enseignants0,308 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetUltrasound and Hyperthermia Applications→Travaux en français237 207→