Fabrication of Magnetic Ferrofluid Microrobot for Tissue Mechanical Measurement
Notice bibliographique
Résumé
Ferrofluids are a uniform mixture of magnetic nanoparticles and a carrier liquid, such as water or oil. They have become increasingly popular in the medical field due to their biocompatibility, manipulability, and their wide range of possible medical applications, one of them being mechanical measurement in human tissues. Our goal is to fabricate a bio-compatible ferrofluid droplet to perform these mechanical measurements. To fabricate the ferrofluid, magnetite nanoparticles (Fe3O4) were chosen along with vegetable oil as the carrier liquid due to their biocompatibility. The magnetic nanoparticles were also coated with oleic acid to serve as a lubricant layer to prevent them from agglomerating. We first coated the magnetic particles (Nanoshel) with oleic acid (Sigma). The magnetic particles were added to distilled water that was heated up to 60oC and mechanically stirred at 500 rpm. For each gram of magnetic nanoparticles used, an equal amount of oleic acid was added into the mixture and stirred for 15 minutes. The coated particles were then rinsed with distilled water followed by ethyl alcohol and dried. To fabricate the ferrofluid, we mixed the vegetable oil with the nanoparticles overnight to ensure uniform mixing with weight rations including 30%wt, 40%wt, and 50%wt, to find the optimal ratio for magnetic control and stability. To validate the technology using ferrofluid to perform tissue mechanical measurement, a droplet of ferrofluid was injected into the agar gel mimicking the stiffness of tissue and then actuated with a magnet. The ferrofluid showed observable deformation under a microscope after magnetic actuation. Our next steps will include repeating this process under a controlled gradient magnetic field while using a camera to track its deformation and movement and from there the hope is to perform on human tissue.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».