MétaCan
Menu
Retour à la cohorte
Enregistrement W2034663400 · doi:10.1109/mecbme.2014.6783223

Low power CMOS neurochemical biosensor application in an implantable intelligent neurotrophic factor delivery hybrid microsystem for Parkinson's

2014· article· en· W2034663400 sur OpenAlexaff
Mohammad Poustinchi, Sam Musallam

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrosystemCMOSBiosensorNeurochemicalElectronic engineeringComparatorNeurotrophic factorsElectronic circuitNeuromodulationComputer scienceMaterials scienceElectrical engineeringEngineeringNanotechnologyNeuroscienceVoltageChemistryCentral nervous system

Résumé

récupéré en direct d'OpenAlex

We have developed a low power neurotransmitter biosensor which can be applied in an implantable closed-loop CMOS neurotrophic factor delivery microsystem which by protecting the healthy neurons and restoring damaged ones can maintain therapeutic levels of chemical concentrations in the brain. The hybrid microsystem is composed of novel biosensor that can sense micromolar concentration of neurotransmitters (dopamine) and embedded negative feedback circuits that control the flow of pharmacological agents in micro fluidic channels. 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.

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 enseignants0,053
Score d'incertitude au seuil0,954

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 ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,252
Écart entre enseignants0,230 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207