MétaCan
Menu
Retour à la cohorte
Enregistrement W3008905225 · doi:10.1117/12.2542086

Impact of open surface area of multi-well microelectrode array on mammalian brain cells recording efficiency

2020· article· en· W3008905225 sur OpenAlexaff
Roofia Sara Pishgar, Pierre Wijdenes, Fahad Iqbal, Kazim Haider, Atika Syeda, Naweed I. Syed, Colin Dalton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMicroelectrodeMultielectrode arraySurface (topology)Materials scienceComputer scienceChemistryElectrodeMathematics

Résumé

récupéré en direct d'OpenAlex

Neuro-electrophysiology allows scientists to investigate the underlying electrical properties that constitute brain neural network assembly. Developing tools to study these properties is a rapidly-evolving research field, and recent advancements in micro electrode arrays (MEAs) is opening a new frontier in long-term data acquisition. MEA microfabrication techniques have advanced over the years and led to different types of electrodes. The objective of this study was to optimize MEA design featuring multiple wells per electrodes (MW-MEA), to improve the recording efficiency of MEAs used for in vitro electrophysiological recordings. Methods: Two multi-well electrode designs (5 wells with diameter of 20 μm vs. 6 wells with diameter of 15 μm) were evaluated. Peak to peak signal amplitude of the recorded signals and the noise levels were studied and the signal to noise ratios (SNR) were determined. Results: The signal amplitudes recorded by electrodes with 6 wells (1060.3 μm2 ) was higher than those recorded by 5-wells electrodes (1570.8 μm2 ), while the noise level remained identical in both designs (31.3 μv ± 10.2). As such, the SNR recorded by the 6-wells electrodes showed a 1.8-time increase, compared to the electrodes with 5 wells, although the diameter of the wells in the former design was smaller. The results of this study demonstrated an inverse relation between SNR and open surface area of electrodes. Significance: The identified relation between electrode well characteristics and MW-MEA performance and design optimization can improve signals’ resolution during long-term spontaneous extracellular recordings and thus the quality of brain cell activity recordings.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,068
Tête enseignante GPT0,313
Écart entre enseignants0,245 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207