MétaCan
Menu
Retour à la cohorte
Enregistrement W3170294632 · doi:10.3390/s21124076

Smartphone Screen Integrated Optical Breathalyzer

2021· article· en· W3170294632 sur OpenAlexafffund
Jérôme Lapointe, Hélène-Sarah Bécotte-Boutin, Stéphane Gagnon, Simon Levasseur, Philippe Labranche, Marc D’Auteuil, Manel Abdellatif, Ming-Jun Li, Réal Vallée

Notice bibliographique

RevueSensors · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensPolytechnique MontréalUniversité Laval
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésMobile phoneComputer sciencePhoneWearable computerSimulationEmbedded systemTelecommunications

Résumé

récupéré en direct d'OpenAlex

One third of fatal car accidents and so many tragedies are due to alcohol abuse. These sad numbers could be mitigated if everyone had access to a breathalyzer anytime and anywhere. Having a breathalyzer built into a phone or wearable technology could be the way to get around reluctance to carry a separate device. With this goal, we propose an inexpensive breathalyzer that could be integrated in the screens of mobile devices. Our technology is based on the evaporation rate of the fog produced by the breath on the phone screen, which increases with increasing breath alcohol content. The device simply uses a photodiode placed on the side of the screen to measure the signature of the scattered light intensity from the phone display that is guided through the stress layer of the Gorilla glass screen. A part of the display light is coupled to the stress layer via the evanescent field induced at the edge of the breath microdroplets. We demonstrate that the intensity signature measured at the detector can be linked to blood alcohol content. We fabricated a prototype in a smartphone case powered by the phone's battery, controlled by an application installed on the smartphone, and tested it in real-world environments. Limitations and future work toward a fully operational device are discussed.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,027
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207