MétaCan
Menu
Retour à la cohorte
Enregistrement W4403838731 · doi:10.1115/smasis2024-141025

Biocompatible Energy Harvester for Smart Knee Implants

2024· article· en· W4403838731 sur OpenAlexaff
Osama Abdalla, Emre Salman, Milutin Stanaćević, Ryan Willing, Shahrzad Towfighian

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Power Transfer Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBiocompatible materialEnergy harvestingComputer scienceMaterials scienceEnergy (signal processing)Biomedical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Although total knee replacements (TKR) are generally considered highly successful, patient satisfaction may not always be sustained over time. Monitoring the performance of the replaced knee can lead to improved surgical outcomes. Triboelectric Nano Generator (TENG) can generate electrical energy to power a load sensor, enabling continuous monitoring of the total knee replacement and more specifically monitoring imbalance over time. The objective of this study is to create a TENG capable of handling body forces and generating enough electrical energy to power the sensors. This is achieved through the energy harvester, which generates electric power by utilizing the contact separation resulting from cyclic compressive loads. To enhance the electrical properties of the energy harvester, a keystroke shape was used as a TENG structure. Moreover, the favorable characteristics of biocompatibility of the materials used in this study carry significant importance, particularly in applications where compatibility with biological systems is essential. This makes them particularly well-suited for integration into total knee implants. The experiment was conducted in this study and showed that the keystroke TENG structure could generate around 20 V peak voltage 2 kN axial force was applied to the TENG at 1 Hz. Expanding this to an array design enables measuring pressure distribution across TKR.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,446

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 recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,201 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Power Transfer SystemsTravaux en français237 207