Nanobubble Contrast Enhanced Ultrasound Imaging: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Contrast-enhanced ultrasound is currently used worldwide with clinical indications in cardiology and radiology, and it continues to evolve and develop through innovative technological advancements. Clinically utilized contrast agents for ultrasound consist of hydrophobic gas microbubbles stabilized with a biocompatible shell. These agents are used commonly in echocardiography, with emerging applications in cancer diagnosis and therapy. Microbubbles are a blood pool agent with diameters between 1 and 10 μm, which precludes their use in other extravascular applications. To expand the potential use of contrast-enhanced ultrasound beyond intravascular applications, sub-micron agents, often called nanobubbles or ultra-fine bubbles, have recently emerged as a promising tool. Combining the principles of ultrasound imaging with the unique properties of nanobubbles (high concentration and small size), recent work has established their imaging potential. Contrast-enhanced ultrasound imaging using these agents continues to gain traction, with new studies establishing novel imaging applications. We highlight the recent achievements in nonlinear nanobubble contrast imaging, including a discussion on nanobubble formulations and their acoustic characteristics. Ultrasound imaging with nanobubbles is still in its early stages, but it has shown great potential in preclinical research and animal studies. We highlight unexplored areas of research where the capabilities of nanobubbles may offer new advantages. As technology advances, this technique may find applications in various areas of medicine, including cancer detection and treatment, cardiovascular imaging, and drug delivery.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 découle