MétaCan
Menu
Retour à la cohorte
Enregistrement W3138693227 · doi:10.1002/viw.20200035

Emerging optofluidic technologies for biodiagnostic applications

2021· article· en· W3138693227 sur OpenAlexaff
Jiandong Wu, Bo Dai, Zhenqing Li, Tingrui Pan, Dawei Zhang, Francis Lin

Notice bibliographique

RevueView · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesShanghai Rising-Star ProgramDevelopment and Reform Commission of Shenzhen MunicipalityNational Natural Science Foundation of China
Mots-clésMicroscale chemistryEmerging technologiesMicrofluidicsNanotechnologyComputer scienceOptofluidicsNucleic acid detectionCoronavirus disease 2019 (COVID-19)Focus (optics)Field (mathematics)Systems engineeringData scienceEngineeringMaterials sciencePhysicsNucleic acidBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The unprecedented global COVID‐19 pandemic strongly argues the critical need for innovative diagnostic tools meeting the requirement of test speed, accuracy, and throughput. Owing to the integration of optics and microfluidics technologies, optofluidic technology enables highly precise flow manipulation and highly sensitive signal detection at the microscale, thus offering the promising potential for developing biodiagnostic applications. Research toward this direction is fast growing into an emerging area. In this paper, we give an overview of emerging optofluidic technologies for biodiagnostic applications with the focus on three common types of biomarkers: nucleic acid, protein, and cell. We conclude by discussing the challenges, opportunities, and future perspectives of this field.

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)0,000
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,225 · 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
GenreSynthèse

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 revueViewMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207