MétaCan
Menu
Retour à la cohorte
Enregistrement W4285399008 · doi:10.1149/ma2022-01201100mtgabs

(Invited) Luminescent Lanthanide Doped Nanoparticles

2022· article· en· W4285399008 sur OpenAlexaff
Fiorenzo Vetrone

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésLanthanideNanotechnologyMaterials scienceLuminescencePhoton upconversionNanoparticleNanomedicineExcited stateDopingNanostructureSurface modificationBiological imagingOptoelectronicsFluorescenceChemistryOpticsPhysicsIonPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

In the last decade, the field of lanthanide doped upconverting nanoparticles has vastly matured, progressing from the basic understanding of the photophysical properties governing their nanoscale luminescence, to their use in the study of a number of fundamental properties and ultimately to a plethora of applications, with considerable focus in biology and medicine. This interest stems primarily from the ability to stimulate these luminescent nanoparticles with near-infrared (NIR) light as well as their diverse emission wavelengths spanning the UV to the NIR. Therefore, with a single NIR excitation wavelength, it is possible to observe anti-Stokes emission, known as upconversion, or single photon (Stokes) NIR emission. Here, we present our work on the synthesis and surface functionalization of various NIR excited (and emitting) core/shell lanthanide doped nanostructures/nanoplatforms and demonstrate how their various emissions could be harnessed for applications in biology and nanomedicine. Moreover, we investigate how these functional nanoparticles could be rendered even more versatile through rational combination with other NIR excited optical nanostructures.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0320,017

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 Opus0,012
Tête enseignante GPT0,209
Écart entre enseignants0,197 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207