MétaCan
Menu
Retour à la cohorte
Enregistrement W2700383929 · doi:10.3390/mi8070204

Microfluidic and Nanofluidic Resistive Pulse Sensing: A Review

2017· review· en· W2700383929 sur OpenAlexafffund
Yongxin Song, Junyan Zhang, Dongqing Li

Notice bibliographique

RevueMicromachines · 2017
Typereview
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHigher Education Discipline Innovation ProjectFundamental Research Funds for the Central UniversitiesNational Science Foundation
Mots-clésMicrofluidicsNanotechnologyResistive touchscreenNanofluidicsFabricationNanoporeSizingMaterials scienceEngineeringElectrical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

The resistive pulse sensing (RPS) method based on the Coulter principle is a powerful method for particle counting and sizing in electrolyte solutions. With the advancement of micro- and nano-fabrication technologies, microfluidic and nanofluidic resistive pulse sensing technologies and devices have been developed. Due to the unique advantages of microfluidics and nanofluidics, RPS sensors are enabled with more functions with greatly improved sensitivity and throughput and thus have wide applications in fields of biomedical research, clinical diagnosis, and so on. Firstly, this paper reviews some basic theories of particle sizing and counting. Emphasis is then given to the latest development of microfuidic and nanofluidic RPS technologies within the last 6 years, ranging from some new phenomena, methods of improving the sensitivity and throughput, and their applications, to some popular nanopore or nanochannel fabrication techniques. The future research directions and challenges on microfluidic and nanofluidic RPS are also outlined.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,057
Tête enseignante GPT0,320
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207