MétaCan
Menu
Retour à la cohorte
Enregistrement W4393902811 · doi:10.1038/s41528-024-00309-z

Wireless pressure monitoring system utilizing a 3D-printed Origami pressure sensor array

2024· article· en· W4393902811 sur OpenAlexafffund
Hadi Moeinnia, Danielle Jaye S. Agron, Carl Ganzert, Loren Schubert, Woo Soo Kim

Notice bibliographique

Revuenpj Flexible Electronics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensCoquitlam CollegeSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPressure sensorModular designFlexibility (engineering)Capacitive sensingComputer scienceWirelessElectro-optical sensorEmbedded systemComputer hardwareMechanical engineeringEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract We present here a 3D-printed pressure mapping mat, equipped with customizable architecture sensors, that offers a cost-effective and adaptable solution, overcoming the size constraints and sensing accuracy issues commonly associated with existing commercial pressure mats across various fields, such as healthcare and sports applications. Leveraging a pillar-origami structure, the demonstrated sensor offers multifaceted stiffness properties, effectively filtering skin deformations and enabling capacitive pressure sensing. Notably, the sensor’s detection range can be finely tuned, spanning from 70 to 2500 kPa, with a sensitivity range between 0.01 kPa -1 and 0.0002 kPa -1 , and an impressive response time of just 800 milliseconds. Furthermore, the inclusion of a modular sensor array enhances maintenance and allows for greater flexibility in shaping and enhancing the device’s resolution. This technology finds practical applications in wireless foot pressure mapping and sports protection pads, marking a significant milestone in the advancement of flexible and custom-shaped pressure sensor technology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,268
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

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

Citations27
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuenpj Flexible ElectronicsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207