MétaCan
Menu
Retour à la cohorte
Enregistrement W4399728437 · doi:10.1109/tim.2024.3415793

Hyperspectral Tracking of In Situ Tissue Regeneration and Remodeling in a Rationally Designed Biological Scaffold in a Rat Subcutaneous Model

2024· article· en· W4399728437 sur OpenAlexaff
Menghan Hu, Bailiang Zhao, Qingli Li, Guangtao Zhai, Jin Ai, Senli Huang, Yuting Tang, Wendell Q. Sun, Simon X. Yang

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2024
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesScience and Technology Commission of Shanghai MunicipalityNational Natural Science Foundation of China
Mots-clésScaffoldRegeneration (biology)Hyperspectral imagingIn situBiomedical engineeringTissue engineeringComputer scienceMaterials scienceEngineeringCell biologyBiologyArtificial intelligenceChemistry

Résumé

récupéré en direct d'OpenAlex

A remote and noncontact tissue regeneration tracking technique is of great significance in regenerative medicine for monitoring cell ingrowth, revascularization and remodeling of the implanted biological scaffold. This study has explored the bimodal hyperspectral imaging system to study quantitatively the action of a scaffold-induced tissue regeneration in the rat subcutaneous model, and verified the findings by the traditional histopathological analysis. The study reveals a pattern of rapid host cell ingrowth and revascularization within 2–3 weeks which is then followed by a slower scaffold remodeling process in a rationally designed biological scaffold. The hyperspectral tracking of tissue regeneration and remodeling process overcomes the limitations of the traditional destructive and time-consuming histopathology and provides a novel analytical tool for investigating in situ tissue formation in regenerative medicine. Data of this work are publicly available at:https://github.com/Zhiao1111/Hyperspectral-Tissue-Regeneration-and-Remodeling-Reference-Dataset.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,065
Tête enseignante GPT0,292
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujet3D Printing in Biomedical ResearchTravaux en français237 207