MétaCan
Menu
Retour à la cohorte
Enregistrement W4415420522 · doi:10.1007/s44258-025-00062-6

Dysphagia assessment based on photoacoustic imaging: a pilot ex vivo and in vivo study in infant swine models

2025· article· en· W4415420522 sur OpenAlexaff
Yanda Cheng, Chuqin Huang, Robert W. Bing, Emily Zheng, Huijuan Zhang, Wenyao Xu, Christopher J. Mayerl, Rebecca Z. German, Catriona M. Steele, Jonathan F. Lovell, Lin Zhang, Jun Xia

Notice bibliographique

RevueMed-X · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensToronto Rehabilitation InstituteUniversity Health Network
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute on Deafness and Other Communication DisordersNational Institute on Aging
Mots-clésEx vivoDysphagiaPhotoacoustic imaging in biomedicineIn vivoAnimal model

Résumé

récupéré en direct d'OpenAlex

Swallowing impairments, such as dysphagia, pose significant health risks, including aspiration pneumonia, especially in vulnerable populations like infants and the elderly. Traditional diagnostic methods like videofluoroscopy and Fiberoptic Endoscopic Evaluation of Swallowing have limitations, including radiation exposure and discomfort. This study explores the potential of photoacoustic imaging as a non-invasive alternative for detecting swallowing events. Utilizing a 10 mg/mL charcoal solution as a contrast agent, we conducted both ex-vivo and in-vivo experiments using pig models. The ex-vivo tests on pig cadavers validated the system's ability in detecting charcoal flow in the airway. Subsequent in-vivo experiments on live pigs, conducted with synchronized videofluoroscopy, demonstrated photoacoustic's potential in seeing the same structure as videofluoroscopy. Our preliminary investigation indicates that photoacoustic imaging could offer a safer, more accurate method for dysphagia assessment, particularly in pediatric settings. Supplementary Information: The online version contains supplementary material available at 10.1007/s44258-025-00062-6.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMed-XMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207