A Comparison of the Sensitivity and Cellular Detection Capabilities of Magnetic Particle Imaging and Bioluminescence Imaging
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
BACKGROUND: Preclinical cell tracking is enhanced with a multimodal imaging approach. Bioluminescence imaging (BLI) is a highly sensitive optical modality that relies on engineering cells to constitutively express a luciferase gene. Magnetic particle imaging (MPI) is a newer imaging modality that directly detects superparamagnetic iron oxide (SPIO) particles used to label cells. Here, we compare BLI and MPI for imaging cells in vitro and in vivo. METHODS: Mouse 4T1 breast carcinoma cells were transduced to express firefly luciferase, labeled with SPIO (ProMag), and imaged as cell samples after subcutaneous injection into mice. RESULTS: For cell samples, the BLI and MPI signals were strongly correlated with cell number. Both modalities presented limitations for imaging cells in vivo. For BLI, weak signal penetration, signal attenuation, and scattering prevented the detection of cells for mice with hair and for cells far from the tissue surface. For MPI, background signals obscured the detection of low cell numbers due to the limited dynamic range, and cell numbers could not be accurately quantified from in vivo images. CONCLUSIONS: It is important to understand the shortcomings of these imaging modalities to develop strategies to improve cellular detection sensitivity.
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 | 0,000 | 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) | 0,000 | 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 découle