MétaCan
Menu
Retour à la cohorte
Enregistrement W4211208067 · doi:10.32920/ryerson.14663541

Photoacoustic Detection of Red Blood Cell Aggregation

2021· preprint· en· W4211208067 sur OpenAlexaff
Eno Hysi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensToronto Metropolitan UniversitySunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésSaturation (graph theory)Photoacoustic imaging in biomedicineOxygenOxygen saturationOxygenationWavelengthChemistryAnalytical Chemistry (journal)Materials scienceSpectral lineRed blood cellBiophysicsOpticsChromatographyOptoelectronicsPhysicsMathematicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

The potential of photoacoustic imaging for detecting red blood cell (RBC) aggregation is explored. Enhanced aggregation is observed in disorders such as diabetes impairing oxygen release into tissue. Simultaneous measurements of aggregation and oxygenation levels cannot be made using current tools. Photoacoustic detection of aggregation and assessment of oxygen saturation was investigated. A theoretical and experimental model of aggregation was developed using human and porcine RBCs. Frequency-domain analysis of the PA signals was used to derive the spectral slope and midband fit of the normalized power spectra for various hematorit and aggregation conditions. Oxygen saturation was assessed using multiple wavelengths of illumination. The experimental spectral slope (~0.3 dB/MHz) for non-aggregated samples agreed with the theory decreasing with increasing aggregate size. The midband fit increased by ~5 dB when the aggregate size reached the largest level while the oxygen saturation increased by > 20%. These results suggest that photoacoustic-radio-frequency-spectroscopic-parameters have the potential to monitor RBC aggregation and oxygenation level.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,187
Écart entre enseignants0,181 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207