MétaCan
Menu
Retour à la cohorte
Enregistrement W4392762651 · doi:10.1117/12.3001641

Polarimetric third-harmonic generation microscopy for histopathology

2024· article· en· W4392762651 sur OpenAlexaff
Mykolas Mačiulis, Viktoras Mažeika, Vilte Gabriele Samsone, Lukas Kontenis, Edvardas Žurauskas, Vitalijus Karabanovas, Virginijus Barzda

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicroscopyMaterials scienceTwo-photon excitation microscopyAutofluorescenceSecond-harmonic generationH&E stainEosinHigh harmonic generationExtracellular matrixOpticsBiomedical engineeringFluorescenceChemistryPathologyStainingLaserPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

In this work, multimodal two-photon excitation fluorescence (TPEF) and third-harmonic generation (THG) microscopy is used together with second-harmonic generation (SHG) to image gold standard hematoxylin and eosin histology slides. The nonlinear responses were investigated for hematoxylin and eosin stains. It is shown that the extracellular matrix (ECM) can be visualized using THG image contrast. THG signal is typically associated with interfaces and nanostructures where abrupt changes in the refractive index takes place, e.g. at blood vessel walls as well as the dense nuclei. Polarimetric THG provides a new method for ultrastructural ECM visualization. The ability of THG microscopy to visualize simultaneously nuclei and ECM is exemplified by imaging clinical tissue samples. THG turned out to be an excellent counterstaining contrast to SHG that reveals ECM proteins, cells and cell nuclei, which can be utilized for studying interactions between cells and ECM. Multiphoton imaging can be applied for investigation of structural changes in connective tissue due to various diseases and is beneficial in observing ECM and cell nuclei in cancer diagnostics and prognostics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,421
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,323
Écart entre enseignants0,307 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207