MétaCan
Menu
Back to cohort
Record W6990189260

Contributions to the development of a bio-electronic regenerative interface for the injured peripheral nerve

2016· dissertation· ca· W6990189260 on OpenAlexfundno aff

Bibliographic record

VenueDipòsit Digital de Documents de la UAB (Universitat Autònoma de Barcelona) · 2016
Typedissertation
Languageca
FieldNeuroscience
TopicNeuroscience and Neural Engineering
Canadian institutionsnot available
FundersFP7 Nanosciences, Nanotechnologies, Materials and new Production TechnologiesInstituto de Salud Carlos IIIEuropean CommissionNatural Sciences and Engineering Research Council of CanadaCentro de Investigación Biomédica en Red sobre Enfermedades NeurodegenerativasScuola Superiore Sant'Anna
KeywordsPeripheral nerveDigital nerve
DOInot available

Abstract

fetched live from OpenAlex

Els dispositius neuroprostètics han anat evolucionant en els darrers anys amb l’objectiu de substituir o recuperar les funcions de extremitats en pacients amputats. No obstant, segons la literatura més actual, els avenços en tecnologies robòtiques van un pas endavant en comparació amb els encara limitats avenços en el món de les interfícies neurals com per poder fer un ús més fiable, generalitzat i assequible. Això, requereix principalment una millora dels “closed loops commands” per executar moviments en resposta a la percepció d’estímuls sensorials mitjançant la incorporació funcions motores i sensorials a la interfície. Un altre problema es la manca de tècniques que ens permetin l’accés a senyals sensorials i motores a alta resolució dirigides a màquines connectades a humans com ara braços robòtics. Per tant, com en estudis previs han descrit que els axons en regeneració poden ser guiats per diferents factors, ens vam centrar en el desenvolupament d’un electrode regeneratiu de dos canals d’alta resolució on les neurones motores i sensorials es poden interconnectar selectivament amb l’electrode per superar els problemes relacionats amb els “closed loop commands” en implants crònics. Per abordar aquest objectiu, ens vam centrar de manera separada en els diferents components i estratègies que combinats, podrien conformar en el futur la interfície regenerativa.
\nEl primer pas va ser el disseny d’un tub que es podria utilitzar en un futur per sostenir la interfície regenerativa. Els nostres resultats demostren que un nou tub fet de poli (etilen glicol tereftalat), també conegut com a Polyactive (PA), potencia la regeneració nerviosa en gaps llargs tal i com podem veure en el major nombre d’axons mielínics i millors resultats en la reinnervació motora, sensorial i autonòmica en comparació en un tub estàndard com el de silicona.
\nD’altra banda, també ens va centrar en l’estudi de l’efecte de factors neurotròfics (NTF) i components de la matriu extracel·lular (ECM) per promoure tant una regeneració neuronal selectiva com un efecte d’atracció selectiu en neurones motores i sensorials. En estudis in vitro e in vivo vam observar que combinant laminina (LM) amb els factors neurotròfics NGF i NT-3 encapsulats en microesferes (MPs) promovíem la regeneració preferencialment de neurones sensorials, però no vam observar cap efecte d’atracció significatiu de neurones sensorials en estudis amb tubs bi-compartamentalitzats en comparació amb condicions control. D’altra banda, combinant fibronectina (FN) amb el factor neurotròfic BDNF, vam aconseguir promoure tant una regeneració preferencial de neurones motores com un efecte d’atracció.
\nFinalment, vam realitzar estudis de biocompatibilitat i funcionalitat dels nous electrodes regeneratius de dos canals en implants aguts i crònics després de 3 mesos de regeneració. En estudis aguts, vam observar que aquest electrode era capaç de realitzar una estimulació selectiva de diferents fascicles així com un registre selectiu de senyals neurals després d’estimulació elèctrica (CNAPs) o estímuls tàctils naturals (ENG). En implants crònics,

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.100
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0020.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.008
GPT teacher head0.287
Teacher spread0.279 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueDipòsit Digital de Documents de la UAB (Universitat Autònoma de Barcelona)Same topicNeuroscience and Neural EngineeringFrench-language works237,207