MétaCan
Menu
Retour à la cohorte
Enregistrement W4319301586 · doi:10.1088/2057-1976/acb93e

Precision of neuronal localization in 2D cell cultures by using high-performance electropolymerized microelectrode arrays correlated with optical imaging

2023· article· en· W4319301586 sur OpenAlexaff
Mahdi Ghazal, Corentin Scholaert, Corentin Dumortier, Camille Lefebvre, Nicolas Barois, Sébastien Janel, Mehmet C. Tarhan, Morvane Colin, Luc Buée, Sophie Halliez, Sébastien Pecqueur, Yannick Coffinier, Fabien Alibart, Pierre Yger

Notice bibliographique

RevueBiomedical Physics & Engineering Express · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesH2020 European Research CouncilInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la RechercheDevelopment of Innovative Strategies for a Transdisciplinary approach to ALZheimer's disease
Mots-clésMicroelectrodeMultielectrode arrayOptical imagingChemistryBiophysicsBiologyOpticsPhysicsElectrode

Résumé

récupéré en direct d'OpenAlex

Recently, the development of electronic devices to extracellularly record the simultaneous electrical activities of numerous neurons has been blooming, opening new possibilities to interface and decode neuronal activity. In this work, we tested how the use of EDOT electropolymerization to tune post-fabrication materials could optimize the cell/electrode interface of such devices. Our results showed an improved signal-to-noise ratio, better biocompatibility, and a higher number of neurons detected in comparison with gold electrodes. Then, using such enhanced recordings with 2D neuronal cultures combined with fluorescent optical imaging, we checked the extent to which the positions of the recorded neurons could be estimated solely via their extracellular signatures. Our results showed that assuming neurons behave as monopoles, positions could be estimated with a precision of approximately tens of micrometers.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 GPT0,221
Écart entre enseignants0,214 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Physics & Engineering ExpressMême sujetNeuroscience and Neural EngineeringTravaux en français237 207