MétaCan
Menu
Retour à la cohorte
Enregistrement W2147918795 · doi:10.1088/1367-2630/13/1/015005

Measuring diffusion using the differential form of Fick's law and magnetic resonance imaging

2011· article· en· W2147918795 sur OpenAlexafffund
Colleen E. Muir, Brian Lowry, Bruce J. Balcom

Notice bibliographique

RevueNew Journal of Physics · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNMR spectroscopy and applications
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space Agency
Mots-clésPhysicsDiffusionDifferential (mechanical device)Magnetic resonance imagingNuclear magnetic resonanceMedicineQuantum mechanicsThermodynamicsRadiology

Résumé

récupéré en direct d'OpenAlex

Diffusion is an important process in many biological and industrial processes. Diffusion coefficients are traditionally measured using integrated solutions of Fick's law for systems with well-defined boundary conditions. We report a simple method for measuring diffusion coefficients in processes without well-defined boundary conditions or without a simple integrated solution using the differential form of Fick's law. Magnetic resonance imaging (MRI) was used to obtain spatially and time-resolved profiles of the diffusion of H2O from an agarose gel to a neighboring D2O reservoir. The differential form of Fick's second law was used to solve for the diffusion coefficient, D=1.3×10−9 m2 s−1. MRI is well suited to this type of analysis as it naturally generates time- and space-resolved images. This analytical method allows for the determination of diffusion coefficients in systems that lack an integral solution to the diffusion equation.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,207

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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,248 · 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'étudeThéorique ou conceptuel
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

Citations19
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNew Journal of PhysicsMême sujetNMR spectroscopy and applicationsTravaux en français237 207