MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413178681 · doi:10.1109/nano63165.2025.11113687

Design, Simulation, Fabrication, and Characterization of Low-Frequency CMARs Relying on Flexible and Bio-Compatible Electronics for Cis

2025· article· en· W4413178681 sur OpenAlexaff
Yifei Yuan, Jiaqi Wang, John T. W. Yeow

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFabricationCharacterization (materials science)ElectronicsComputer scienceEngineeringElectronic engineeringMaterials scienceNanotechnologyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The requirements for cochlear implants (CIs) vary over time and go beyond present device performance. In this work, capacitive micromachined acoustic receivers (CMARs) are adopted to promote low-frequency acoustic transducer development. Nowadays, half-implantable CIs are based on piezoelectric materials and face problems of large volume and low biocompatibility. CMARs can take advantage of electronic integration with bio-compatible materials to overcome obstructions, address issues of the self-heating effects, and fill narrow bandwidths from piezoelectric materials, which gives CMARs the potential to fulfill full-implantable CIs. CMARs are the improved product based on capacitive micromachined ultrasonic transducers (CMUTs). The commonplace micromachined materials for CMUTs limit the receivers' eigen frequencies of the first bulking mode shape in megahertz (MHz). Herein, flexible electronics with low Young's moduli, particularly, are regarded as film candidates for CMARs. Finite element modeling (FEM) is applied to demonstrate that CMARs with the polydimethylsiloxane (PDMS) film can achieve the human hearing range 12.44 kHz, which has been verified by characterization of fabricated CMARs, 13.11 kHz. These matched and profound results indicate that low-frequency CMARs may lead to the development of full-implantable CIs in medical and scientific research fields.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,252
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor and Energy Harvesting Materials→Travaux en français237 207→