MétaCan
Menu
Retour à la cohorte
Enregistrement W4401258271 · doi:10.1116/6.0003711

Fabrication of hollow silicon microneedles using grayscale lithography and deep reactive ion etching

2024· article· en· W4401258271 sur OpenAlexaff
Dong Zhang, Wenhan Hu, Bo Cui

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2024
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvancements in Transdermal Drug Delivery
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDeep reactive-ion etchingMaterials scienceResistReactive-ion etchingSiliconLithographyEtching (microfabrication)PhotoresistFabricationNanotechnologyX-ray lithographyOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Microneedles are a promising technology for drug delivery. They are minimally invasive, painless, and easy to use for various applications. In this paper, a process for fabricating hollow microneedles on a silicon substrate using maskless direct writing grayscale lithography and deep reactive ion etching (DRIE) is investigated. During the process, two approaches are employed to smoothen the needle tip and reduce the roughness of the needle bevel. First, a grayscale lithography process is used to create a 3D photoresist structure with discrete height steps. This structure is then transferred into silicon using DRIE. An SF6 isotropic etching process is utilized to create a smooth surface on the upper portion of microneedles by smoothing out the steplike structures. Alternatively, after grayscale lithography, resist thermal reflow is used to smooth out the resist structures. The resist patterns are then transferred into silicon microneedles using the DRIE technique. The morphology of the microneedles can be adjusted by varying the etching selectivity of silicon over the resist. Hollow microneedles with a height of 360 μm are produced, which offers numerous practical applications.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,102
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
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 Opus0,046
Tête enseignante GPT0,353
Écart entre enseignants0,306 · 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.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetAdvancements in Transdermal Drug DeliveryTravaux en français237 207