One-layer microfluidic device for hydrodynamic 3D self-flow-focusing operating in low flow speed
Notice bibliographique
Résumé
Hydrodynamic 3D flow-focusing techniques in microfluidics are categorized as (a) sheathless techniques which require high flow rates and long channels, resulting in high operating cost and high flow rates which are inappropriate for applications with flow rate limitations, and (b) sheath-flow based techniques which usually require excessive sheath flow rate to achieve hydrodynamic 3D flow-focusing. Many devices based on these principles use complicated fabrication methods to create multi-layer microchannels. We have developed a sheath-flow based microfluidic device that is capable of hydrodynamic 3D self-flow-focusing. In this device the main flow (black ink) in a low speed, and a sheath flow, enter through two inlets and enter a 180 degree curved channel (300 × 300 μm cross-section). Main flow migrates outwards into the sheath-flow due to centrifugal effects and consequently, vertical focusing is achieved at the end of the curved channel. Then, two other sheath flows horizontally confine the main flow to achieve horizontal focusing. Thus, the core flow is three-dimensionally focused at the center of the channel at the downstream. Using centrifugal force for 3D flow-focusing in a single-layer fabricated microchannel has been previously investigated by few groups. However, their demonstrated designs required high flow speed (>1 m/s) which is not suitable for many applications that live biomedical specie are involved. Here, we introduce a new design which is operational in low flow speed (<0.05 m/s) and is suitable for applications involving live cells. This microfluidic device can be used in detecting, counting and isolating cells in many biomedical applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».