MétaCan
Menu
Retour à la cohorte
Enregistrement W4310784694 · doi:10.1038/s41378-022-00465-0

3D designed battery-free wireless origami pressure sensor

2022· article· en· W4310784694 sur OpenAlexafffund
Taeil Kim, Amirhossein Hassanpoor Kalhori, Tae‐Ho Kim, Chao Bao, Woo Soo Kim

Notice bibliographique

RevueMicrosystems & Nanoengineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésPressure sensorBattery (electricity)WirelessElectrical engineeringComputer scienceEngineeringElectronic engineeringTelecommunicationsMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

A pressure monitoring structure is a very useful element for a wearable device for health monitoring and sports biomechanics. While pressure sensors have been studied extensively, battery-free functions working in wireless detection have not been studied much. Here, we report a 3D-structured origami-based architecture sensor for wireless pressure monitoring. We developed an architectured platform for wireless pressure sensing through inductor-capacitor (LC) sensors and a monopole antenna. A personalized smart insole with Miura-ori origami designs has been 3D printed together with conductive 3D printed sensors seamlessly. Wireless monitoring of resonant frequency and intensity changes of LC sensors have been demonstrated to monitor foot pressure for different postures. The sensitivity of the wireless pressure sensor is tunable from 15.7 to 2.1 MHz/kPa in the pressure ranges from 0 to 9 kPa and from 10 to 40 kPa, respectively. The proposed wireless pressure-sensing platform can be utilized for various applications such as orthotics, prosthetics, and sports gear.

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,007
Tête enseignante GPT0,181
Écart entre enseignants0,174 · 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

Citations37
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicrosystems & NanoengineeringMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207