MétaCan
Menu
Retour à la cohorte
Enregistrement W1976882151 · doi:10.1109/ner.2013.6696071

Towards an implantale intelligent CMOS neurotrophic factor delivery micro neural prosthetic for Parkinson's disease

2013· article· en· W1976882151 sur OpenAlexaff
Mohammad Poustinchi, Sam Musallam

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGlial cell line-derived neurotrophic factorCMOSNeurotrophic factorsMicrosystemParkinson's diseaseDopaminergicNeuroscienceDopamineComputer scienceElectronic engineeringMaterials scienceMedicineNanotechnologyEngineeringBiologyDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Millions of patients around the world suffer from neurological disorders. Many of these diseases such as Parkinson's are due to degeneration of Dopaminergic neurons. Our ultimate goal is to develop an intelligent implantable CMOS neurotrophic factor delivery microsystem which can maintain therapeutic levels of chemical concentrations in the brain by protecting the healthy neurons and restoring damaged ones. The hybrid microsystem is composed of neural probes fitted with novel sensors that can sense micromolar concentration of neurotransmitters (dopamine) and embedded negative feedback circuits that control the flow of pharmacological agents in micro fluidic channels. Additionally MEMS (Micro Electro Mechanical System) pumps connected to the probes to inject micromolar concentration of neurotrophic factors such as GDNF into the brain in order to protect and restore dopaminergic neurons in the nigrostriatal pathway. The focus of this manuscript is on sensing, control and decision making circuitry. It consists of a current conveyer, a low noise low power amplifier, an integrator and a comparator with offset cancelation. Circuit is fabricated in CMOS 0.18 um with low power consumption of 921 nW while maintaining a bandwidth of 2.75K Hertz.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,043
Tête enseignante GPT0,267
Écart entre enseignants0,224 · 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'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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207