MétaCan
Menu
Retour à la cohorte
Enregistrement W4402978324 · doi:10.1109/jsen.2024.3466172

On-Chip 3-D Imaging and Counting of Particles Transported in a Microfluidic Channel Based on Light-Field Microscopy

2024· article· en· W4402978324 sur OpenAlexaff
Xinglong Huang, Xing Cheng, Boris Stoeber

Notice bibliographique

RevueIEEE Sensors Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesShenzhen Science and Technology Innovation ProgramScience, Technology and Innovation Commission of Shenzhen Municipality
Mots-clésMicrofluidicsMicroscopyChannel (broadcasting)Microfluidic chipOptical microscopeChipLab-on-a-chipMaterials scienceMicroscopeNanotechnologyOpticsOptoelectronicsPhysicsComputer scienceTelecommunicationsScanning electron microscope

Résumé

récupéré en direct d'OpenAlex

Rapid acquisition of 3-D volumetric information and accurate counting are significant in observing and monitoring specimens moving in microfluidic channels. This study introduces a novel approach of 3-D image flow cytmetry (IFC) using light-field microscopy that images the microfluidic channel with a microlens array (MLA) and reconstructs a complete 3-D volume from a single frame. To create the custom MLA, a cost-effective method is developed, combining gray-scale photolithography, nickel electroplating, and nanoimprinting. Furthermore, a calibration procedure is devised to rectify aberrations within the imaging system prior to 3-D reconstruction. The counting process employs an algorithm based on local intensity peak identification to quantify and locate particles moving in a microchannel, achieving counting accuracies around 95%. In comparison to existing 3-D IFCs, our method offers distinct advantages, including the capability for high throughput data capture and 3-D imaging fast moving samples without necessitating complex microchannel designs.

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 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 enseignants0,040
Score d'incertitude au seuil0,658

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 Opus0,009
Tête enseignante GPT0,222
Écart entre enseignants0,213 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207