MétaCan
Menu
Retour à la cohorte
Enregistrement W3197897069 · doi:10.1109/lsens.2021.3109101

PCA-Assisted Blood Glucose Monitoring Using Metamaterial-Inspired Sensor

2021· article· en· W3197897069 sur OpenAlexaff
Ala Eldin Omer, George Shaker, Safieddin Safavi‐Naeini

Notice bibliographique

RevueIEEE Sensors Letters · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave and Dielectric Measurement Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésImaging phantomSensitivity (control systems)Substrate (aquarium)Principal component analysisMaterials scienceCoupling (piping)DielectricMetamaterialBiomedical engineeringBiological systemPhysicsComputer scienceOptoelectronicsOpticsArtificial intelligenceElectronic engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

A metamaterial-inspired sensor is developed for noninvasive blood glucose monitoring. The sensor operating between 3–4 GHz integrates three resonant cells of single split rings with a microstrip line on a 66 × 20 mm <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> dielectric substrate.The proposed design exploits the inter-resonator coupling between adjacent cells to enlarge the sensing zone for more intensive interaction with the glucose tissue. The sensitivity performance for glucose detection is numerically analyzed at different geometrical parameters using a single-pole Debye model to approximate the dispersing behavior of the varying glucose on top of a skin layer. The resulting scattering responses to glucose variations are projected into a low-dimensional space using the principal component analysis algorithm to epitomize the data variances near resonance in fewer variables with a higher spatial resolution.The desired performance of the prototyped sensor is practically validated by measuring synthetic types of blood of 100–300 mg/dL inside a 3-D printed ear phantom using a vector network analyzer with higher sensitivity (∼0.0125 dB/[mg/dL]) than that of a single-cell double split-ring type.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,010
Score d'incertitude au seuil1,000

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 Opus0,035
Tête enseignante GPT0,236
Écart entre enseignants0,201 · 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.

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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors LettersMême sujetMicrowave and Dielectric Measurement TechniquesTravaux en français237 207