Automated Digital Microfluidics: Integrating Object Detection with Path Planning Through an Algorithmic Framework
Notice bibliographique
Résumé
Abstract Digital microfluidic devices provide precise control over droplets, enabling a wide range of applications. These applications span research fields such as DNA testing, cell research, and agri-food quality control. Although the applications vary, they all rely on conventional (manual) digital microfluidic operation, which introduces several challenges. Manual droplet control requires a significant amount of effort, potentially stifling efficiency and decreasing experimental throughput. Furthermore, the necessity of human intervention increases the likelihood of errors, thereby compromising the reliability of results. These limitations present significant barriers to the broader adoption of digital microfluidics in rapidly advancing applications and different environments. To address these challenges, this manuscript proposes an algorithmic framework to achieve automation in digital microfluidic devices. The algorithmic framework makes use of object detection and A* pathfinding to automatically route and actuate droplets in digital microfluidic experiments. Additionally, the algorithmic framework is designed to be highly adaptable, allowing for seamless integration across various digital microfluidic device configurations, with minimal modifications required. A graphical user interface is employed to allow for input control commands while also serving as a means of communicating information back to the user. Eight case-specific experimental scenarios are presented to demonstrate the functionality of the algorithmic framework in practical settings. The experimental scenarios also serve to showcase the robustness of the framework in handling specific scenarios encountered in digital microfluidic experiments. This algorithmic framework is designed to significantly minimize manual effort while enhancing efficiency and experimental throughput via parallelization. By expanding the capabilities of existing digital microfluidic devices, the algorithmic framework facilitates the execution of complex experiments, which can drive progress in digital microfluidic applications across various research domains.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».