The unique second wave phenomenon in contrast enhanced ultrasound imaging with nanobubbles
Notice bibliographique
Résumé
Investigation of nanobubble (NB) pharmacokinetics in contrast-enhanced ultrasound (CEUS) at the pixel level shows a unique phenomenon where the first pass of the contrast agent bolus is accompanied by a second wave. This effect has not been previously observed in CEUS with microbubbles. The objective of this study was to investigate this second-wave phenomenon and its potential clinical applications. Seven mice with a total of fourteen subcutaneously-implanted tumors were included in the experiments. After injecting a bolus of NBs, the NB-CEUS images were acquired to record the time-intensity curves (TICs) at each pixel. These TICs are fitted to a pharmacokinetic model which we designed to describe the observed second-wave phenomenon. The estimated model parameters are presented as parametric maps to visualize the characteristics of tumor lesions. Histological analysis was also conducted in one mouse to compare the molecular features of tumor tissue with the obtained parametric maps. The second-wave phenomenon is evidently shown in a series of pixel-based TICs extracted from either tumor or tissues. The value of two model parameters, the ratio of the peak intensities of the second over the first wave, and the decay rate of the wash-out process present large differences between malignant tumor and normal tissue (0.04 < Jessen-Shannon divergence < 0.08). The occurrence of a second wave is a unique phenomenon that we have observed in NB-CEUS imaging of both mouse tumor and tissue. As the characteristics of the second wave are different between tumor and tissue, this phenomenon has the potential to support the diagnosis of cancerous lesions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».