MétaCan
Menu
Retour à la cohorte
Enregistrement W2911673211 · doi:10.1002/jbio.201800293

Influence of environmental conditions in bovine bone ablation by ultrafast laser

2019· article· en· W2911673211 sur OpenAlexafffund
Fahad Aljekhedab, Wenbin Zhang, H. K. Haugen, Gregory R. Wohl, Munir M. El‐Desouki, Qiyin Fang

Notice bibliographique

RevueJournal of Biophotonics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLaser Applications in Dentistry and Medicine
Établissements canadiensMcMaster University
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationOntario Centres of Excellence
Mots-clésAblationMaterials scienceLaser ablationLaserFemtosecondComposite materialAnalytical Chemistry (journal)OpticsChemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Ultrafast lasers are promising tools for surgical applications requiring precise tissue cutting. Shallow ablation depth and slow rate as well as collateral damage are common barriers limiting the use of laser in clinical applications. Localized cooling with water and/or air jet is known to reduce collateral thermal damage. We studied the influence of environmental conditions including air, compressed air flow, still water and water jet on ablation depth, ablation rate and surface morphology on bovine bone samples with an 800 nm femtosecond laser. At 15 J/cm 2 , no thermal effect was observed by electron microscopy and Raman spectroscopy. The experimental results indicate that environmental conditions play a significant role in laser ablation. The deepest cavity and highest ablation rate were achieved under the compressed air flow condition, which is attributed to debris removal during the ablation process. The shallowest ablation depth and lowest ablation rates were associated with water flushing. For surface morphology, smooth surface and the absence of microcracks were observed under air flow conditions, while rougher surfaces and minor microcracks were observed under other conditions. These results suggest that ultrafast ablation of bone can be more efficient and with better surface qualities if assisted with blowing air jet.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,332

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 GPT0,243
Écart entre enseignants0,239 · 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

Citations20
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiophotonicsMême sujetLaser Applications in Dentistry and MedicineTravaux en français237 207