MétaCan
Menu
Retour à la cohorte
Enregistrement W4282917495 · doi:10.2174/9789815051278122010007

Magnetic Nanoparticles for Imaging, Diagnosis, and Drug-Delivery Applications

2022· book-chapter· en· W4282917495 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBENTHAM SCIENCE PUBLISHERS eBooks · 2022
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDrug deliveryMagnetic nanoparticlesNanotechnologyMagnetic resonance imagingTargeted drug deliveryNanoparticleStem cellMaterials scienceBiomedical engineeringMedicineBiologyRadiologyCell biology

Résumé

récupéré en direct d'OpenAlex

Magnetic Nanoparticles (MNPs) have gained interest within the research community due to their therapeutic potential in a variety of medical applications. MNPs are generally composed of a metallic core stabilized by the addition of an outer shell that can be further functionalized through the absorbance or conjugation of various targeting ligands. The magnetic properties of these nanoparticles can be utilized for imaging, localized drug delivery, and enhanced diagnostic detection. This chapter highlights the applications of MNPs to enhance magnetic resonance imaging (MRI) capabilities and improve the delivery of therapeutic agents to difficult-to-reach areas in the body. In addition, recent advances in the use of MNPs in stem cell therapy for both the tracking and monitoring of stem cell distribution in the body and improving engraftment and differentiation in stem cell therapy are discussed. Finally, examples of the incorporation of MNPs in diagnostic assays to improve rapid and realtime detection capabilities of many diseases, including cancer, cardiovascular diseases, and pathogen infections, are provided.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,229
Écart entre enseignants0,215 · 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