(Invited) Exploring in the Near Infrared: From Quantum Dots to Rare-Earth Doped Nanoparticles
Notice bibliographique
Résumé
Bioimaging shows great potential for disease detection due to its high sensitivity at the subcellular level and low cost of related imaging facilities. As compared to most commonly used optical probes that are excited and emit in the visible wavelength range, near-infrared (NIR) excitable and emitting nanomaterials are indeed more promising for bioimaging. It is because at certain NIR wavelengths (known as biological windows) tissues are basically optically transparent and show minimal scattering and absorption, allowing for deep tissue imaging. Meanwhile, tissue autofluorescence can also be avoided. In this talk, I will present our recent work [1-4] on the synthesis of NIR-emitting water soluble, stable core/shell/shell quantum dots (QDs) and rare-earth doped nanoparticles, and their use in biomedicine, including but not limited to bioimaging. References: [1] ACS Nano 2019, 13, 408-420; [2] Adv. Funct. Mater. 2018, 1706235 (Inside Back Cover); [3] Chem. Mater. 2019, 31, 3201-3210. [4] Science Advances, 2021, 7;7(15):eabc3012
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».