Microbubble-enhanced transcranial MR-guided focused ultrasound brain hyperthermia: heating mechanism investigation using finite element method
Notice bibliographique
Résumé
Recently, our group developed a synergistic brain drug delivery method to achieve simultaneous transcranial hyperthermia and localized blood-brain barrier opening via MR-guided focused ultrasound (MRgFUS). In a rodent model, we demonstrated that the ultrasound power required for transcranial MRgFUS hyperthermia was significantly reduced by injecting microbubbles (MBs). However, the specific mechanisms underlying the power reduction caused by MBs remain unclear. The present study aims to elucidate the mechanisms of MB-enhanced transcranial MRgFUS hyperthermia through numerical studies using the finite element method. The microbubble acoustic emission (MAE) and the viscous dissipation (VD) were hypothesized to be the specific mechanisms. Acoustic wave propagation was used to model the FUS propagation in the brain tissue, and a bubble dynamics equation for describing the dynamics of MBs with small shell thickness was used to model the MB oscillation under FUS exposures. A modified bioheat transfer equation was used to model the temperature in the rodent brain with different heat sources. A theoretical model was used to estimate the bubble shell's surface tension, elasticity, and viscosity losses. The simulation reveals that MAE and VD caused a 40.5% and 52.3% additional temperature rise, respectively. Compared with FUS only, MBs caused a 64.0% temperature increase, which is consistent with our previous animal experiments. Our investigation showed that MAE and VD are the main mechanisms of MB-enhanced transcranial MRgFUS hyperthermia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».