A Nanoparticle Ink Allowing the High Precision Visualization of Tissue Engineered Scaffolds by MRI
Notice bibliographique
Résumé
Abstract Hydrogels are widely used as cell scaffolds in several biomedical applications. Once implanted in vivo, cell scaffolds must often be visualized, and monitored overtime. However, cell scaffolds appear poorly contrasted in most biomedical imaging modalities such as magnetic resonance imaging (MRI). MRI is the imaging technique of choice for high‐resolution visualization of low‐density, water‐rich tissues. Attempts to enhance hydrogel contrast in MRI are performed with “negative” contrast agents that produce several image artifacts impeding the delineation of the implant's contours. In this study, a magnetic ink based on ultra‐small iron oxide nanoparticles (USPIONs; <5 nm diameter cores) is developed and integrated into biocompatible alginate hydrogel used in cell scaffolding applications. Relaxometric properties of the magnetic hydrogel are measured, as well as biocompatibility and MR‐visibility ( T 1 ‐weighted mode; in vitro and in vivo). A 2‐week MR follow‐up study is performed in the mouse model, demonstrating no image artifacts, and the retention of “positive” contrast overtime, which allows very precise delineation of tissue grafts with MRI. Finally, a 3D‐contouring procedure developed to facilitate graft delineation and geometrical conformity assessment is applied on an inverted template alginate pore network. This proof‐of‐concept establishes the possibility to reveal precisely engineered hydrogel structures using this USPIONs ink high‐visibility approach.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».