MétaCan
Menu
Retour à la cohorte
Enregistrement W3135317838 · doi:10.3390/s21051671

A Sensitive and Fast Fiber Bragg Grating-Based Investigation of the Biomechanical Dynamics of In Vitro Spinal Cord Injuries

2021· article· en· W3135317838 sur OpenAlexaff
Satyendra K. Mishra, Jean‐Marc Mac‐Thiong, Éric Wagnac, Yvan Petit, Bora Ung

Notice bibliographique

RevueSensors · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensÉcole de Technologie SupérieureHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésFiber Bragg gratingBiomechanicsSpinal cord injuryCompression (physics)Optical fiberMaterials scienceSpinal cordBiomedical engineeringComputer scienceEngineeringMedicineTelecommunicationsAnatomy

Résumé

récupéré en direct d'OpenAlex

To better understand the real-time biomechanics of soft tissues under sudden mechanical loads such as traumatic spinal cord injury (SCI), it is important to improve in vitro models. During a traumatic SCI, the spinal cord suffers high-velocity compression. The evaluation of spinal canal occlusion with a sensor is required in order to investigate the degree of spinal compression and the fast biomechanical processes involved. Unfortunately, available techniques suffer with drawbacks such as the inability to measure transverse compression and impractically large response times. In this work, an optical pressure sensing scheme based on a fiber Bragg grating and a narrow-band filter was designed to detect and demonstrate the transverse compression inside a spinal cord surrogate in real-time. The response time of the proposed scheme was 20 microseconds; a five orders of magnitude enhancement over comparable schemes that depend on costly and slower optical spectral analyzers. We further showed that this improvement in speed comes with a negligible loss in sensitivity. This study is another step towards better understanding the complex biomechanics involved during a traumatic SCI, using a method capable of probing the related internal strains with high-spatiotemporal resolution.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,328
Écart entre enseignants0,301 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetSpinal Cord Injury ResearchTravaux en français237 207