MétaCan
Menu
Retour à la cohorte
Enregistrement W2151191920 · doi:10.1109/robio.2007.4522137

Automatic suspended cell injection under vision and force control biomanipulation

2007· article· en· W2151191920 sur OpenAlexaff
Haibo Huang, Dong Sun, James K. Mills, Shuk Han Cheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPipetteProcess (computing)Load cellAutomationComputer scienceHaptic technologyWork (physics)Biomedical engineeringController (irrigation)Materials scienceSimulationNanotechnologyMechanical engineeringEngineeringChemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Biological cell injection is laborious work which requires lengthy training and suffers from a low success rate. Although the development of biomanipulation technology has enabled steps towards automation of adherent cell injection, the automation of suspended cell injection remains a significant challenge. In this paper, a prototype cell injection system for automatic batch injection of suspended cells is proposed. To facilitate the process, these suspended cells are held and fixed by a specially designed cell holding device. A micropipette equipped with a PVDF micro force sensor is integrated in the proposed system. A force sensor is utilized to measure real time injection force applied to the cells during the injection process. With the force feedback provided by the PVDF micro force sensor, the motion of the injecting pipette during insertion, which cannot be directly observed by the microscope, is controlled utilizing the calibrated desired injection force trajectory. A vision and force algorithm is then proposed and applied to the motion control of the injection pipette in three-coordinate directions during an "out-of-plane" cell injection process. Finally, experimental results are given to demonstrate the effectiveness of the proposed approach.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,439

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 Opus0,006
Tête enseignante GPT0,276
Écart entre enseignants0,270 · 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207