MétaCan
Menu
Retour à la cohorte
Enregistrement W3034095506 · doi:10.1039/d0an00679c

Nanoparticle and microorganism detection with a side-micron-orifice-based resistive pulse sensor

2020· article· en· W3034095506 sur OpenAlexafffund
Yongxin Song, Tong Zhou, Qinxin Liu, Zhijian Liu, Dongqing Li

Notice bibliographique

RevueThe Analyst · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensRegional Municipality of WaterlooUniversity of Waterloo
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Liaoning ProvinceNational Natural Science Foundation of China
Mots-clésBody orificeResistive touchscreenNanoparticleMaterials scienceNanotechnologyOptoelectronicsPulse (music)Electrical engineeringEngineeringMechanical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

This paper presents the detection of nanoparticles and microorganisms using a recently developed side-orifice-based resistive pulse sensor (SO-RPS). By decreasing the channel height of the detection section of the SO-RPS, the detection sensitivity was increased and an average signal to noise ratio (S/N) of about 3 was achieved for 100 nm polystyrene particles. It was also found that spherical particles generate symmetrical signals. Algae with irregular shapes generate signals with more complex patterns. A scatter plot of signal magnitude versus signal width was proven to be reliable for differentiating bacteria from the nanoparticles and two types of algae. The side orifice for detecting heterogeneous nanoparticles and microorganisms is advantageous to avoid orifice clogging and the large flow resistance.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,174
Écart entre enseignants0,165 · 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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207