Low-density tissue scaffold imaging by synchrotron radiation propagation-based imaging computed tomography with helical acquisition mode
Notice bibliographique
Résumé
Visualization of low-density tissue scaffolds made from hydrogels is important yet challenging in tissue engineering and regenerative medicine (TERM). For this, synchrotron radiation propagation-based imaging computed tomography (SR-PBI-CT) has great potential, but is limited due to the ring artifacts commonly observed in SR-PBI-CT images. To address this issue, this study focuses on the integration of SR-PBI-CT and helical acquisition mode ( i.e. SR-PBI-HCT) to visualize hydrogel scaffolds. The influence of key imaging parameters on the image quality of hydrogel scaffolds was investigated, including the helical pitch ( p ), photon energy ( E ) and the number of acquisition projections per rotation/revolution ( N p ), and, on this basis, those parameters were optimized to improve image quality and to reduce noise level and artifacts. The results illustrate that SR-PBI-HCT imaging shows impressive advantages in avoiding ring artifacts with p = 1.5, E = 30 keV and N p = 500 for the visualization of hydrogel scaffolds in vitro . Furthermore, the results also demonstrate that hydrogel scaffolds can be visualized using SR-PBI-HCT with good contrast while at a low radiation dose, i.e. 342 mGy (voxel size of 26 µm, suitable for in vivo imaging). This paper presents a systematic study on hydrogel scaffold imaging using SR-PBI-HCT and the results reveal that SR-PBI-HCT is a powerful tool for visualizing and characterizing low-density scaffolds with a high image quality in vitro . This work represents a significant advance toward the non-invasive in vivo visualization and characterization of hydrogel scaffolds at a suitable radiation dose.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».