MétaCan
Menu
Retour à la cohorte
Enregistrement W2982622869 · doi:10.3390/mi10110743

A Novel Capacitance-Based In-Situ Pressure Sensor for Wearable Compression Garments

2019· article· en· W2982622869 sur OpenAlexafffund
Steven Lao, Hamza Edher, Utkarsh Saini, Jeffrey Sixt, Armaghan Salehian

Notice bibliographique

RevueMicromachines · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPressure sensorSensitivity (control systems)LinearityCapacitanceRepeatabilityElectronic engineeringDynamic rangePressure measurementCapacitive sensingMaterials scienceAcousticsEngineeringElectrical engineeringElectrode

Résumé

récupéré en direct d'OpenAlex

This paper pertains to the development & evaluation of a dielectric electroactive polymer-based tactile pressure sensor and its circuitry. The evaluations conceived target the sensor's use case as an in-situ measurement device assessing load conditions imposed by compression garments in either static form or dynamic pulsations. Several testing protocols are described to evaluate and characterize the sensor's effectiveness for static and dynamic response such as repeatability, linearity, dynamic effectiveness, hysteresis effects of the sensor under static conditions, sensitivity to measurement surface curvature and temperature and humidity effects. Compared to pneumatic sensors in similar physiological applications, this sensor presents several significant advantages including better spatial resolution, compact packaging, manufacturability for smaller footprints and overall simplicity for use in array configurations. The sampling rates and sensitivity are also less prone to variability compared to pneumatic pressure sensors. The presented sensor has a high sampling rate of 285 Hz that can further assist with the physiological applications targeted for improved cardiac performance. An average error of ± 5.0 mmHg with a frequency of 1-2 Hz over a range of 0 to 120 mmHg was achieved when tested cyclically.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil0,659

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207