Integration of Organic Light Emitting Diodes and Organic Photodetectors for Lab-on-a-Chip Bio-Detection Systems
Notice bibliographique
Résumé
The rapid development of microfluidics and lab-on-a-chip (LoC) technologies have allowed for the efficient separation and manipulation of various biomaterials, including many diagnostically relevant species. Organic electronics have similarly enjoyed a great deal of research, resulting in tiny, highly efficient, wavelength-selective organic light-emitting diodes (OLEDs) and organic photodetectors (OPDs). We consider the blend of these technologies for rapid detection and diagnosis of biological species. In the ideal system, optically active or fluorescently labelled biological species can be probed via light emission from OLEDs, and their subsequent light emission can be detected with OPDs. The relatively low cost and simple fabrication of the organic electronic devices suggests the possibility of disposable test arrays. Further, with full integration, the finalized system can be miniaturized and made simple to use. In this review, we consider the design constraints of OLEDs and OPDs required to achieve fully organic electronic optical bio-detection systems. Current approaches to integrated LoC optical sensing are first discussed. Fully realized OLED- and OPD-specific photoluminescence detection systems from literature are then examined, with a specific focus on their ultimate limits of detection. The review highlights the enormous potential in OLEDs and OPDs for integrated optical sensing, and notes the key avenues of research for cheap and powerful LoC bio-detection systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».