MétaCan
Menu
Retour à la cohorte
Enregistrement W2170764741 · doi:10.1109/aim.2010.5695914

Experimental demonstration of a swimming robot propelled by the gradient field of a Magnetic Resonance Imaging (MRI) system

2010· article· en· W2170764741 sur OpenAlexaff
Viviane Lalande, Frédérick P. Gosselin, Sylvain Martel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMagnetic fieldMagnetic resonance imagingPerpendicularRobotLift (data mining)Head (geology)PhysicsNuclear magnetic resonanceAcousticsComputer scienceArtificial intelligenceGeologyMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Travelling inside the human body is an on-going scientific challenge. In this paper, we propose a new way of propelling robots inside the human body for gastro-intestinal applications actuated with the gradient field of an unmodified Magnetic Resonance Imaging (MRI) system. The robot is composed of a soft ferromagnetic head and a plastic tail attached together. This assembly is then placed in a bath of water inside an MRI system. The main field of the MRI is used to magnetize the head of the device while a gradient field is used to put the robot into motion. The oscillating magnetic gradient creates a force perpendicular to the direction of swimming and as the device drifts in this direction, the lift produced on its tail moves it in the forward direction. A study varying the length of the tail of the robot from 20mm to 80mm, the frequency applied and the amplitude of the gradient has been conducted and is developed in the following.

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 enseignants0,049
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 Opus0,004
Tête enseignante GPT0,216
Écart entre enseignants0,212 · 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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicro and Nano RoboticsTravaux en français237 207