MétaCan
Menu
Retour à la cohorte
Enregistrement W2137555743 · doi:10.1109/jmems.2011.2159101

Mechanical Filtration of Particles in Electrowetting on Dielectric Devices

2011· article· en· W2137555743 sur OpenAlexafffund
Michael J. Schertzer, Ridha Ben-Mrad, Pierre E. Sullivan

Notice bibliographique

RevueJournal of Microelectromechanical Systems · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoPennsylvania State University
Mots-clésElectrowettingFiltration (mathematics)MicrofluidicsMaterials scienceMerge (version control)Digital microfluidicsDielectricNanotechnologyOptoelectronicsComputer science

Résumé

récupéré en direct d'OpenAlex

A passive mechanical method for the filtration of particles in electrowetting on dielectric (EWOD) devices is presented. Analytical and experimental results show that droplets actuated by EWOD cannot pass physical obstructions unaided at the scales considered here. However, it was possible to pull droplets past the same obstructions using a second droplet. The two droplets approach the obstruction from opposite sides and merge within the pore of the obstruction. The interface on the enabling side of the amalgamated droplet is then actuated to pull fluid through the obstruction. This technique was successful for pore sizes between half and two orders of magnitude below the confined droplet height. This wide range of viable pore sizes will allow for the filtration of particles by size in EWOD devices. It can also be used to filter large particles traditionally used in microfluidic immunoassays or allow for the use of smaller particles to increase sensitivity. Success at pore sizes as small as 2 μm also suggests that filtration of animal cells in EWOD devices is possible. The proposed process is performed without the use of surfactants, which may make it more attractive for applications using biological material.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,206
Écart entre enseignants0,188 · 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

Citations10
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Microelectromechanical SystemsMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207