Image-based feedback and analysis system for digital microfluidics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital microfluidics (DMF) is a technology that provides a means of manipulating nL-μL volumes of liquids on an array of electrodes. By applying an electric potential to an electrode, these discrete droplets can be controlled in parallel which can be transported, mixed, reacted, and analyzed. Typically, an automation system is interfaced with a DMF device that uses a standard set of basic instructions written by the user to execute droplet operations. Here, we present the first feedback method for DMF that relies on imaging techniques that will allow online detection of droplets without the need to reactivate all destination electrodes. Our system consists of integrating open-source electronics with a CMOS camera and a zoom lens for acquisition of the images that will be used to detect droplets on the device. We also created an algorithm that uses a Hough transform to detect a variety of droplet sizes and to detect singular droplet dispensing and movement failures on the device. As a first test, we applied this feedback system to test droplet movement for a variety of liquids used in cell-based assays and to optimize different feedback actuation schemes to improve droplet movement fidelity. We also applied our system to a colorimetric enzymatic assay to show that our system is capable of biological analysis. Overall, we believe that using our approach of integrating imaging and feedback for DMF can provide a platform for automating biological assays with analysis.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle