Droplet formation of biological non-Newtonian fluid in T-junction generators. II. Model for final droplet volume prediction
Notice bibliographique
Résumé
This work represents the second part of a two-part series on the dynamics of droplet formation in a T-junction generator under the squeezing regime when using solutions of red blood cells as the dispersed phase. Solutions containing red blood cells are non-Newtonian; however, these solutions do not behave in the same way as other non-Newtonian fluids currently described in the literature. Hence, available models do not capture nor predict important features useful for the design of T-junction microfluidic systems, including droplet volume. The formation of a red blood cell-containing droplet consists of three stages: a lag stage, a filling stage, and a necking stage, with the lag stage only observed in narrow dispersed phase channel setups. Unlike other shear-thinning fluids, thread elongation into the main channel at the end of the necking stage is not observed for red blood cell solutions. In this work, a model that predicts the final droplet volume of a red blood cell containing droplets in T-junction generators is presented. The model combines a detailed analysis of the geometrical shape of the droplet during the formation process, with force and Laplace pressure balances to obtain the penetration depth (b_{fill}^{*}) and the critical neck thickness (2r_{pinch}^{*}) of the droplet. The performance of the model was validated by comparing the operational parameters (droplet volume, the spacing between the droplet, and the generation frequency) with the experimental data across a range of the dimensionless parameters (flow rate ratios, continuous phase viscosities, and channel geometries).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».