Labor für radiologische Bildverarbeitung (RIPL)

Das Radiology Image Processing Laboratory (RIPL) an der UNM wurde mit dem Ziel gegründet, die translationale Forschung durch die Bereitstellung modernster Bildverarbeitungswerkzeuge für die intramurale Gemeinschaft zu erleichtern. Das Labor konzentriert sich auf quantitative Bildanalyse und 3D-Druck sowohl für präklinische als auch für klinische Forschungsanwendungen.

Um ein Angebot anzufordern:

Bitte E-Mail-Anfrage mit Details an RadiologyResearch@salud.unm.edu

RIPL-Publikationen zur Bildanalyse

Divani AA, Salazar P, Ikram HA, Taylor E, Wilson CM, Yang Y, Mahmoudi J, Seletska A, SantaCruz KS, Torbey MT, Liebler EJ, Bragina OA, Morton RA, Bragin DE. Non-invasive Vagus nerve stimulation improves brain lesion volume and neurobehavioral outcomes in a rat model of traumatic brain injury. J Neurotrauma. 2023 Jul;40(13-14):1481-1494. doi: 10.1089/neu.2022.0153.

Taylor EN, Wilson CM, Franco S, De May H, Medina LY, Yang Y, Flores EB, Bartee E, Selwyn RG, Serda RE. Monitoring Therapeutic Responses to Silicified Cancer Cell Immunotherapy Using PET/MRI in a Mouse Model of Disseminated Ovarian Cancer. Int J Mol Sci. 2022 Sep 10;23(18):10525. doi: 10.3390/ijms231810525.

Wilson CM, Selwyn RG, Elojeimy S. Comparison of PET/CT SUV metrics across different clinical software platforms. Clin Imaging. 2022 Sep:89:104-108. doi: 10.1016/j.clinimag.2022.06.005.

McIlwrath SL, Montera MA, Gott KM, Yang Y, Wilson CM, Selwyn R, Westlund KN. Manganese-enhanced MRI reveals changes within brain anxiety and aversion circuitry in rats with chronic neuropathic pain- and anxiety-like behaviors. Neuroimage. 2020;6:223. doi: 10.1016 / j.neuroimage.2020.117343.

Maphis NM, Peabody J, Crossey E, Jiang S, Jamaleddin Ahmad FA, Alvarez M, Mansoor SK, Yaney A, Yang Y, Sillerud LO, Wilson CM, Selwyn R, Brigman JL, Cannon JL, Peabody DS, Chackerian B, Bhaskar K. Qß Virus-like particle-based vaccine induces robust immunity and protects against tauopathy. NPJ-Impfstoffe. 2019. Juni 3; 4: 26. Juni. doi: 10.1038/s41541-019-0118-4.

Brocato TA, Brown-Glaberman U, Wang Z, Selwyn RG, Wilson CM, Wyckoff EF, Lomo LC, Saline JL, Hooda-Nehra A, Pasqualini R, Arap W, Brinker CJ, Cristini V. Predicting breast cancer response to neoadjuvant chemotherapy based on tumor vascular features in needle biopsies. JCI Insight. 2019 Mär 5;5(8):e126518. doi: 10.1172/jci.insight.126518.