MétaCan
Menu
Retour à la cohorte
Enregistrement W2086531350 · doi:10.1039/b819080a

An integrated hybrid interference and absorption filter for fluorescence detection in lab-on-a-chip devices

2009· article· en· W2086531350 sur OpenAlexaff
Charles Richard, Alan Renaudin, Vincent Aimez, Paul G. Charette

Notice bibliographique

RevueLab on a Chip · 2009
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMicroelectronicsOptoelectronicsInterference filterFilter (signal processing)AttenuationOptical filterAutofluorescenceAbsorption (acoustics)MicrofluidicsChipMicrofabricationFluorescenceOpticsNanotechnologyComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

We present a hybrid optical filter design that combines interference and absorbing components for enhanced fluorescence detection in miniaturized highly-integrated lab-on-a-chip devices. The filter is designed in such a way that the advantages of each technology are used to offset the disadvantages of the other. The filter is fabricated with microfabrication compatible processes and materials for monolithic integration with microelectronics and microfluidics devices. The particular embodiment of the filter described herein is designed to discriminate fluorescence emission at 650 nm from excitation at 532 nm. The 9-layer interference filter component is fabricated with alternating TiO(2) and SiO(2) thin-film layers and has an attenuation of -12.6 dB at 532 nm and -0.76 dB at 650 nm. The absorbing filter component is fabricated using a dyed photopolymer (KMPR + Orasol Red) having an attenuation of -32.6 dB at 532 nm and -1.28 dB at 650 nm. The total rejection ratio of the hybrid filter is 43 dB. The filter exhibits very low autofluorescence and performs equally well at off-axis incidence angles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,236
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 source (Gemma direct ou Codex distillé), 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

Citations74
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetPhotonic and Optical DevicesTravaux en français237 207