Solvent-Free and Cost-Efficient Fabrication of a High-Performance Nanocomposite Sensor for Recording of Electrophysiological Signals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Carbon nanotube (CNT)-based nanocomposites have found applications in making sensors for various types of physiological sensing. However, the sensors' fabrication process is usually complex, multistep, and requires longtime mixing and hazardous solvents that can be harmful to the environment. Here, we report a flexible dry silver (Ag)/CNT/polydimethylsiloxane (PDMS) nanocomposite-based sensor made by a solvent-free, low-temperature, time-effective, and simple approach for electrophysiological recording. By mechanical compression and thermal treatment of Ag/CNT, a connected conductive network of the fillers was formed, after which the PDMS was added as a polymer matrix. The CNTs make a continuous network for electrons transport, endowing the nanocomposite with high electrical conductivity, mechanical strength, and durability. This process is solvent-free and does not require a high temperature or complex mixing procedure. The sensor shows high flexibility and good conductivity. High-quality electroencephalography (EEG) and electrooculography (EOG) were performed using fabricated dry sensors. Our results show that the Ag/CNT/PDMS sensor has comparable skin-sensor interface impedance with commercial Ag/AgCl-coated dry electrodes, better performance for noninvasive electrophysiological signal recording, and a higher signal-to-noise ratio (SNR) even after 8 months of storage. The SNR of electrophysiological signal recording was measured to be 26.83 dB for our developed sensors versus 25.23 dB for commercial Ag/AgCl-coated dry electrodes. Our process of compress-heating the functional fillers provides a universal approach to fabricate various types of nanocomposites with different nanofillers and desired electrical and mechanical properties.
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.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle