MétaCan
Menu
Retour à la cohorte
Enregistrement W4310193733 · doi:10.1002/adem.202200932

Freeform Etching of Microchannels in Hydrogels by Ultrasonic Cavitation

2022· article· en· W4310193733 sur OpenAlexafffund
Jamileh Shojaeiarani, Thomas Landry, Jeremy A. Brown, John P. Frampton

Notice bibliographique

RevueAdvanced Engineering Materials · 2022
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAtlantic Canada Opportunities Agency
Mots-clésSelf-healing hydrogelsMicrochannelMaterials scienceCavitationMicrofluidicsUltrasonic sensorAgaroseNanotechnologyMicroelectromechanical systemsBiomedical engineeringAcousticsPolymer chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

With structural similarities to biological tissues, hydrogels offer many potential applications in biomedicine. To improve hydrogel perfusion, simple microchannels can be fabricated using a variety of templating and printing approaches, but the formation of interconnected, winding, and branching channels remains a significant challenge. The cavitation‐mediated etching of microchannels in agarose hydrogels is demonstrated. An ultrasonic cavitation transducer coupled with a motorized control system is used to enable the formation of consistent microchannels within the agarose hydrogels with ellipsoid cross‐sectional areas and uniform widths on the order of 244 ± 19.5 μm. With increasing transducer voltage, the average microchannel width increases, while higher positional translation speed results in shorter dwell times and, therefore, smaller microchannels. Infusion of fluorescent dyes indicates little turbulence within the microchannels formed by the cavitation etching process. This technique can fabricate branched and complex microchannel paths. Furthermore, the mechanical and swelling properties of hydrogels with internal microchannels formed by cavitation at varying pH support future development in diverse applications including tissue engineering, drug delivery, and biomimetic lab‐on‐a‐chip systems.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,214
Écart entre enseignants0,210 · 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
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207