MétaCan
Menu
Retour à la cohorte
Enregistrement W3048216803 · doi:10.1109/newcas49341.2020.9159803

A Low-Voltage Low-Power Implantable Telemonitoring System with Application to Endo-Hyperthermia Treatment of In-Stent Restenosis

2020· article· en· W3048216803 sur OpenAlexaff
Mengye Cai, Kenichi Takahata, Shahriar Mirabbasi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRestenosisLow voltageHyperthermiaStentMedicineVoltageCardiologyInternal medicineElectrical engineeringBiomedical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a low-voltage low-power implantable telemonitoring system in the context of a smart stent that uses wireless endo-hyperthermia for the treatment of in-stent restenosis. More specifically, an application specific integrated circuit (ASIC) is designed and implemented that senses the ambient temperature and wirelessly transmits the sensory information to a nearby hub. A customized “smart” stent is used as an antenna for wireless data and power transfer over the unlicensed industrial, scientific, and medical (ISM) 915 MHz and 2.4 GHz bands, respectively. For the prototype design, the ASIC is embedded on the small platform at the end of the custom-made stent that also serves as an antenna and the circuit functions without requiring any off-chip components. The proposed fully integrated solution has the following functionalities: radio-frequency (RF) telemetry, power management unit (RF -to-DC converter and voltage regulation), and temperature sensing. The proof-of-concept prototype ASIC is designed and fabricated in a 0.13-μm CMOS process and has a chip area of 1.56 mm2. The device can detect and response to the temperature variations in the range of 30 to 50 °C. The remote power link is established when the power received by the implantable device is about -8 dBm. The data can be transmitted from the ASIC to an external hub at the power level of -28.38 dBm, with the total power consumption of 109.6 μW.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,232
Écart entre enseignants0,223 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207