MétaCan
Menu
Retour à la cohorte
Enregistrement W3035138937 · doi:10.1039/d0tb00872a

Multimaterial and multifunctional neural interfaces: from surface-type and implantable electrodes to fiber-based devices

2020· review· en· W3035138937 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Materials Chemistry B · 2020
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesKorea Advanced Institute of Science and TechnologyNational Research Foundation of KoreaElectronics and Telecommunications Research Institute
Mots-clésMaterials scienceElectrodeFiberFiber typeNanotechnologySurface (topology)Composite material

Résumé

récupéré en direct d'OpenAlex

Neural interfaces have enabled significant advancements in neuroscience and paved the way for clinical applications in the diagnosis, treatment, and prevention of neurological disorders. A variety of device modalities, such as electrical, chemical and optical neural interfacing, are required for the comprehensive monitoring and modulation of neural activity. The development of recent devices with multimodal functionalities has been driven by innovations in materials engineering, especially the utilization of organic soft materials such as polymers, carbon allotropes, and hydrogels. A transition from rigid to soft materials has improved device performance through enhanced biocompatibility and flexibility to realize stable long-term performance. This article provides a comprehensive review of a variety of neural probes ranging from surface-type and implantable electrodes to fiber-based devices. We also highlight the influence of materials on the development of these neural interfaces and their effects on device performance and lifetime.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,050
Tête enseignante GPT0,303
Écart entre enseignants0,253 · 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