MétaCan
Menu
Retour à la cohorte
Enregistrement W2766775316 · doi:10.1021/acsbiomaterials.7b00420

Advances in Multiscale Characterization Techniques of Bone and Biomaterials Interfaces

2017· article· en· W2766775316 sur OpenAlexafffund
Dakota M. Binkley, Kathryn Grandfield

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSuncor Energy IncorporatedMcMaster University
Mots-clésMicroscale chemistryOsseointegrationMaterials scienceCharacterization (materials science)Biomedical engineeringNanotechnologyElectron tomographyImplantEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

The success of osseointegrated biomaterials often depends on the functional interface between the implant and mineralized bone tissue. Several parallels between natural and synthetic interfaces exist on various length scales from the microscale toward the cellular and the atomic scale structure. Interest lies in the development of more sophisticated methods to probe these hierarchical levels in tissues at both biomaterials interfaces and natural tissue interphases. This review will highlight new and emerging perspectives toward understanding mineralized tissues, particularly bone tissue, and interfaces between bone and engineered biomaterials at multilength scales and with multidimensionality. Emphasis will be placed on highlighting novel and correlative X-ray, ion, and electron beam imaging approaches, such as electron tomography, atom probe tomography, and in situ microscopies, as well as spectroscopic and mechanical characterizations. These less conventional approaches to imaging biomaterials are contributing to the evolution of the understanding of the structure and organization in bone and bone integrating materials.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,247
Écart entre enseignants0,241 · 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

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207