Bio Phantoms Mimicking the Dielectric and Mechanical Properties of Human Skin Tissue at Low-Frequency Ranges
Notice bibliographique
Résumé
Tissue phantoms are widely used as substitute materials for real tissue validation of various newly emerging biomedical technologies such as ultrasound (US), computed tomography (CT), and magnetic resonance imaging (MRI). However, there is no specific recipe for fabricating skin-mimicking phantoms which can mimic both the mechanical and dielectric properties of human skin at lower frequency ranges. The objective of this paper is to present a variety of tissue-mimicking materials for filling this research gap in the lower frequency range from 20 Hz to 300 kHz. The starting point of our experiments is based on the oil-in-gelatin based tissue-mimicking materials (TMMs) that have shown to mimic the dielectric properties of human skin in higher frequency ranges. This paper examines the mechanical and dielectric performance of five major classes of tissue-mimicking materials (1) Oil-in-gelatin, (2) lignin and graphene nanopowder in gelatin, (3) gelatin and distilled water, (4) mixed oil in gelatin and distilled water, and (5) lignin in gelatin and distilled water. Mechanical and electrical testing was performed using compression testing and parallel plate method respectively. The effect of electrode polarization was considered in the measured data and the intrinsic impedance values were found to be following the Cole-Cole equation. The Young's modulus range of all tissue-mimicking materials was within the range of skin.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».