Enhancement of brain hyperthermia via transcranial magnetic resonance imaging-guided focused ultrasound and microbubbles—Heating mechanism investigation using COMSOL
Notice bibliographique
Résumé
Noninvasive methods for enhancing the brain drug delivery has been pursued for years. Previously we developed a new MR-guided focused ultrasound (FUS)-based technique, which can achieve targeted brain hyperthermia for heat-triggered drug release and simultaneously open the blood–brain barrier safely for drug penetration. However, the underline mechanisms were unclear. This study aimed to explore the mechanisms for the enhanced FUS brain tissue hyperthermia with microbubbles via numerical modeling in COMSOL. The acoustic wave equation was employed to describe the FUS propagation. A bubble dynamics equation was adopted for calculating the stable bubble oscillations under FUS exposures. A modified bioheat transfer equation was utilized to compute the heating, with various heating sources including FUS, microbubble acoustic emission (MAE), and viscous dissipation (VD). The microbubbles were randomly distributed within the focal region. The sonication time was 6s with an initial temperature of 41°C. The average temperature in the focal region were 41.65°C, 42.24°C, 42.98°C, and 43.59°C for FUS alone, FUS + MAE, FUS + VD, and FUS + MAE + VD, respectively. Compared with the FUS alone, both MAE and VD made significant contributions to the heating with additional temperature increases of 47.6% and 67.2%, respectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».