MétaCan
Menu
Retour à la cohorte
Enregistrement W4200620446 · doi:10.1109/biocas49922.2021.9644950

Finite Element Simulation of a Microdroplet Generation System for an Implantable Liquid Sampling Probe

2021· article· en· W4200620446 sur OpenAlexaff
Dominic Gauvreau, Gabriel Lachance, Hamza Landari, Élodie Boisselier, Mounir Boukadoum, Younès Messaddeq, Amine Miled

Notice bibliographique

Revue2021 IEEE Biomedical Circuits and Systems Conference (BioCAS) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsGenerator (circuit theory)Sampling (signal processing)SoftwareComputer scienceMeasure (data warehouse)Finite element methodFluentMultiphysicsMechanical engineeringSimulationEngineeringNanotechnologyComputer simulationMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Controlling micro-reactions is a challenge for researchers in biochemistry. The generation of microdroplets of liquid plays an important role in this field as it can be used in regulating reactions as well as analysing them, with potential sensing and control applications. This work contributes to the integration of microfluidic sample testing in platforms such as Lab-on-a-chip, by describing the design of a simple microdroplet generator system that could be implemented on such platforms for the purpose of biological liquid's sampling. The system was first simulated with the ANSYS Fluent software for fluid dynamics by starting with an initial geometry and varying different parameters to measure the induced variations on the microdroplets generated by such a system. The simulation results can then help predict different microdroplet patterns in a given generation system, making it possible to determine the ideal conditions under which microdroplet generation can be achieved for a chosen geometry.

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)0,001
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: aucune
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,077
Tête enseignante GPT0,288
Écart entre enseignants0,211 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 IEEE Biomedical Circuits and Systems Conference (BioCAS)Même sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207