MétaCan
Menu
Retour à la cohorte
Enregistrement W1978237395 · doi:10.1109/robot.2010.5509762

Computer-assisted patch clamping

2010· article· en· W1978237395 sur OpenAlexaff
Mahdi Azizian, Rajni V. Patel, Cezar Gavrilovici, Michael O. Poulter

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésClampingComputer scienceSoftwarePipetteProcess (computing)Haptic technologyComputer visionRobotTask (project management)Computer hardwareArtificial intelligenceSimulationEngineering

Résumé

récupéré en direct d'OpenAlex

Patch clamping is an electrophysiological technique that permits the measurement of ion channel activity in many different kinds of cells. Placement of the patch clamp electrodes using micromanipulators is a time consuming and complicated task due to the lack of depth perception of microscope optics and the constrained physical environment. In order to simplify this process, a software platform has been created that permits the user to easily perform not only single electrode recordings but multiple ones. The software platform provides capabilities for automatic positioning of micropipettes in specified locations on the image plane, autofocusing on selected objects, detecting visible micropipettes using image processing techniques, haptic-enabled master slave control of micromanipulators for accurate positioning of electrodes while generating virtual forces to prevent collision between micropipettes, as well as several other novel features which help the user to perform patch clamping more efficiently. The system does not require any changes in the hardware, and uses a fully software-based approach.

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 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 enseignants0,025
Score d'incertitude au seuil0,309

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 Opus0,036
Tête enseignante GPT0,264
Écart entre enseignants0,228 · 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.

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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207