MétaCan
Menu
Retour à la cohorte
Enregistrement W4297998510 · doi:10.32920/ryerson.14636985.v2

An Investigation of Backscatter Power Spectra from Cells, Cell Pellets and Microspheres

2022· preprint· en· W4297998510 sur OpenAlexafffund
Michael C. Kolios, L. Taggart, Ralph E. Baddour, F. S. Foster, J. W. Hunt, G. J. Czarnota, Michael D. Sherar

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentrePrincess Margaret Cancer CentreUniversity of TorontoToronto Metropolitan UniversityOntario Institute for Cancer Research
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchOntario Innovation Trust
Mots-clésBackscatter (email)PelletsUltrasoundSpectral lineMaterials scienceTransducerMicrospherePolystyrenePower (physics)Biomedical engineeringOpticsAcousticsPhysicsComputer scienceMedicineTelecommunicationsComposite material

Résumé

récupéré en direct d'OpenAlex

It has been previously shown that high frequency ultrasound (20 - 100 MHz) can be used to detect cellular structure changes in tissues and cell ensembles. However, the changes seen in the backscattered ultrasound intensity and frequency spectrum are not fully understood. In this paper we attempt to better understand the nature of these changes by examination of the backscatter power spectra from cell ensembles (in pellet form) that have undergone two different types of cell death: by exposure to the chemotherapeutic cisplatin and by withdrawal of nutrients (decay). Three different ultrasound transducers were used, centered at 20MHz and 40MHz. In both death pathways, an increase of the midband fit of 10-12dB was measured, and there were significant changes in the spectral slopes. Furthermore, our initial analysis of the backscatter from single cells and polystyrene microspheres demonstrates the potential of the technique to assess scatterer size.

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 seuil0,005

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
Bibliométrie0,0010,000
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 GPT0,193
Écart entre enseignants0,186 · 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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207