Notice bibliographique
Résumé
<p>Microfluidics plays a pivotal role in advancing lab-on-a-chip technologies, offering the potential to create bulk nanobubbles for therapeutic applications. However, the utilization of microfluidics for this purpose has been limited. This dissertation introduces innovative microfluidic techniques aimed at producing uniform bulk nanobubbles and sub-10 μm microbubbles.</p> <p>In the first dissertation objective, I harnessed microbubble shrinkage to create uniform sub-10 μm microbubbles via microfluidic flow-focusing. Microbubbles typically contract as gas escapes and dissolves after formation. I investigated the influence of gas type, concentration, lipid content, and initial microbubble size on shrinkage. Results showed that adjusting lipid concentration and initial microbubble diameter allows precise control over final bubble size. Results from the first objective highlight a key finding: the size range of biomedical microbubbles is no longer limited by the microfluidic orifice width. Instead, the concentration of lipids can now be employed to regulate their diameters. I discovered that using the lipid solution in this thesis requires microbubbles' initial diameter under 10 μm to produce bulk nanobubbles.</p> <p>The second dissertation objective involved optimizing microfluidic flow-focusing to create bulk nanobubbles. This new technique produced nanobubbles with diameters of 170 – 260 nm. Notably, a critical initial microbubble diameter was identified, below which shrinkage behavior significantly altered. Larger initial microbubbles shrank to a stable size as seen earlier. However, those smaller than the critical diameter unexpectedly contracted into nanobubbles, much smaller than anticipated.</p> <p>For the third objective of this dissertation, I presented a new microfluidic technique to generate bulk nanobubbles whose concentrations were more than 23 times higher than those of the flow- focusing bulk nanobubbles. This microfluidic method can generate bubbles with starting diameters of 2 – 10 μm (below the critical diameter discovered in objective 2) that reduce to 100 – 140 nm following shrinking. Bulk nanobubbles created using this approach are more monodisperse than those produced using the flow-focusing method. I expect the new techniques in this thesis to enable controlled and uniform microfluidic production of bulk nanobubbles and microbubbles for diverse applications.</p>
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».