Feasibility and guidelines for the use of an injectable fiducial marker (BioXmark®) to improve target delineation in preclinical radiotherapy studies using mouse models.
Notice bibliographique
Résumé
<ns3:p> Background: Preclinical models of radiotherapy (RT) response are vital for the continued success and evolution of RT in the treatment of cancer. The irradiation of tissues in mouse models necessitates high levels of precision and accuracy to recapitulate clinical exposures and limit adverse effects on animal welfare. This requirement has been met by technological advances in preclinical RT platforms established over the past decade. Small animal RT systems use onboard computed tomography (CT) imaging to delineate target volumes and have significantly refined radiobiology experiments with major 3Rs impacts. However, the CT imaging is limited by the differential attenuation of tissues resulting in poor contrast in soft tissues. Clinically, radio-opaque fiducial markers (FMs) are used to establish anatomical reference points during treatment planning to ensure accuracy beam targeting, this approach is yet to translate back preclinical models. Methods: We report on the use of a novel liquid FM BioXmark <ns3:sup>®</ns3:sup> developed by Nanovi A/S (Kongens Lyngby, Denmark) that can be used to improve the visualisation of soft tissue targets during beam targeting and minimise dose to surrounding organs at risk. We present descriptive protocols and methods for the use of BioXmark <ns3:sup>®</ns3:sup> in experimental male and female C57BL/6J mouse models. Results: These guidelines outline the optimum needle size for uptake (18-gauge) and injection (25- or 26-gauge) of BioXmark <ns3:sup>®</ns3:sup> for use in mouse models along with recommended injection volumes (10-20 µl) for visualisation on preclinical cone beam CT (CBCT) scans. Injection techniques include subcutaneous, intraperitoneal, intra-tumoral and prostate injections. Conclusions: The use of BioXmark <ns3:sup>®</ns3:sup> can help to standardise targeting methods, improve alignment in preclinical image-guided RT and significantly improve the welfare of experimental animals with the reduction of normal tissue exposure to RT. </ns3:p>
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».