Bibliographic record
Abstract
Ce projet de maitrise s'intitule dans le cadre de la technologie des Organes-sur-puces visant comme perspective l'examen de médicaments.Prenant un cas concret celui du traitement du Cancer, l'idée constructive est de créer un microenvironnement 3D simulant les interactions entre les cellules cancéreuses, il s'est avéré que leurs comportements est similaire à celles vivantes dans le vrai environnement biologique.Un réseau de microcapteurs doit être réalisé pour mesurer les différents paramètres de l'activité cellulaire, à savoir le pH, Glucose, Lactate et l'urée.Ces paramètres permettent d'évaluer le degré de l'efficacité du médicament ajouté tout en mesurant le niveau d'activité de ces cellules, leur métabolisme ainsi que leur prolifération.Outre que cela, pour éviter toute intervention risquée sur l'animal ou sur le corps humain, cette plateforme conçue représente une solution alternative pour le développement et la vérification de nouveaux médicaments.La mesure de ces paramètres biochimiques en 3D et en temps réel représente le défi majeur de ce projet.A ce propos, un système hybride optique-microfluidique non invasif est proposé mesurant les valeurs de la durée de vie de la fluorescence dans chaque endroit de l'environnement 3D et en se basant sur la technologie DMD (digital micromirror device) pour deviser et diriger la lumière vers les directions voulues.Tout changement dans la valeur de cette durée de vie donne des informations sur le changement des spécifications biochimiques dans l'échantillon.Les déférentes parties de ce système ont été conçues de telle sorte qu'elles soient intégrables et donc permettre d'avoir un instrument facile à utiliser transportable dans des endroits de températures et d'oxygènes présentant des milieux favorables pour les cellules biologiques.vi
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".