MétaCan
Menu
Retour à la cohorte
Enregistrement W890251395 · doi:10.1109/tbcas.2015.2434618

A Microsystem for Magnetic Immunoassay Based on Planar Microcoil Array

2015· article· en· W890251395 sur OpenAlexaff
Yushan Zheng, Nan Shang, Pierre S. Haddad, Mohamad Sawan

Notice bibliographique

RevueIEEE Transactions on Biomedical Circuits and Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Resonator Technologies
Établissements canadiensUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMicrocoilMicrosystemPlanarMaterials scienceImmunoassayElectronic circuitLab-on-a-chipIntegrated circuitSensitivity (control systems)OptoelectronicsElectronic engineeringElectrical engineeringNanotechnologyComputer scienceElectromagnetic coilMicrofluidicsEngineering

Résumé

récupéré en direct d'OpenAlex

This work focuses on the circuit and system implementation of a microsystem platform for magnetic immunoassay, which is a novel type of diagnostic method using magnetic beads as labels. Three main challenges facing this work-design of a high performance sensor, packaging technique and design of integrated circuits are discussed. Planar microcoil array are exploited as sensor of magnetic beads, whereas ultra thin bottom microplate in traditional ELISA is used for the assay. Main circuits blocks include bidirectional current supply circuit, magnetic field sensing circuit and on-chip temperature sensor. Experiments using mouse IgG with different densities were performed on the proposed platform, results show that a minimum density of 100 pg/mL can be detected, which is a comparable sensitivity to conventional optical ELISA, and a quantitative relationship can be acquired in the range from 1 ng/ml to 1 ug/ml, thus this platform is suitable for quantitative analysis in practical health and environment application and has potential for medical diagnostics, food pathogen detection or water analysis.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,023
Tête enseignante GPT0,222
Écart entre enseignants0,199 · 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

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical Circuits and SystemsMême sujetAcoustic Wave Resonator TechnologiesTravaux en français237 207