MétaCan
Menu
Retour à la cohorte
Enregistrement W2950819922 · doi:10.1109/tbme.2019.2919192

Multimodal Integrated Sensor Platform for Rapid Biomarker Detection

2019· article· en· W2950819922 sur OpenAlexaff
Mohammed A. Al-Rawhani, Chunxiao Hu, Christos Giagkoulovits, Valerio F. Annese, Boon Chong Cheah, James Beeley, Srinivas Velugotla, Claudio Accarino, James Grant, Srinjoy Mitra, Michael P. Barrett, S. Cochran, David R. S. Cumming

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversity of GlasgowCancer Research UK
Mots-clésComputer scienceSystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Precision metabolomics and quantification for cost-effective rapid diagnosis of disease are the key goals in personalized medicine and point-of-care testing. At present, patients are subjected to multiple test procedures requiring large laboratory equipment. Microelectronics has already made modern computing and communications possible by integration of complex functions within a single chip. As More than Moore technology increases in importance, integrated circuits for densely patterned sensor chips have grown in significance. Here, we present a versatile single complementary metal-oxide-semiconductor chip forming a platform to address personalized needs through on-chip multimodal optical and electrochemical detection that will reduce the number of tests that patients must take. The chip integrates interleaved sensing subsystems for quadruple-mode colorimetric, chemiluminescent, surface plasmon resonance, and hydrogen ion measurements. These subsystems include a photodiode array and a single photon avalanche diode array with some elements functionalized to introduce a surface plasmon resonance mode. The chip also includes an array of ion sensitive field-effect transistors. The sensor arrays are distributed uniformly over an active area on the chip surface in a scalable and modular design. Bio-functionalization of the physical sensors yields a highly selective simultaneous multiple-assay platform in a disposable format. We demonstrate its versatile capabilities through quantified bio-assays performed on-chip for glucose, cholesterol, urea, and urate, each within their naturally occurring physiological range.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,234 · 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'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

Citations36
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetAdvanced Biosensing Techniques and ApplicationsTravaux en français237 207