MétaCan
Menu
Retour à la cohorte
Enregistrement W4405522424 · doi:10.1109/uffc-js60046.2024.10793460

Size-Selected Microbubbles for Superharmonic Contrast Imaging

2024· article· en· W4405522424 sur OpenAlexaff
Jing Yang, Amin Jafari Sojahrood, F. Stuart Foster, Christine Démoré

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensSunnybrook Health Science CentreSunnybrook HospitalUniversity of Toronto
Organismes subventionnairesHORIZON EUROPE Health
Mots-clésSubharmonic functionMicrobubblesContrast (vision)Computer scienceArtificial intelligencePhysicsAcousticsMathematicsUltrasound

Résumé

récupéré en direct d'OpenAlex

The nonlinear behavior of microbubbles (MBs) is dependent on both the excitation pressure and the MB properties, which rely on the composition of the gas core and shell, as well as the size. Polydisperse MBs have a broad size distribution and only a subpopulation of them may be contributing to the higher order harmonics that are used for superharmonic imaging. High MB concentrations have been used for superharmonic imaging to produce nonlinear responses from the polydisperse MB solution for good image contrast. In this work, we investigate in vitro the contrast signal intensity and longivity with in-house polydisperse MBs and size-selected MBs of ~1.5, 2.2, and 4.3 µm in diameter, comparing to commonly used MicroMarker MB solutions. We found the in-house 2.2 µm MBs showed comparable mean contrast intensities and signal decay to MicroMarker. We evaluated these two populations in vivo on mouse kidneys over an approximately 18-minute imaging duration, and assessed quantitatively the contrast intensities and longevity of superharmonic signals. We found MicroMarker showed greater superharmonic contrast over the entire acquisition in vivo, with a half-life almost twice to that of the in-house 2.2 µm MBs.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 Opus0,004
Tête enseignante GPT0,201
Écart entre enseignants0,197 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207