Publication

Device for high- throughput sample slicing and characterization

Résumé

The invention relates to devices and systems for use in the slicing, separation and possible disposal of slices of a sample, such as a bodily tissue sample. The invention relates to a multi-blade chopper and a guide track comprising knobs along its surface designed to preferably operate in couple in order to cut and separate/dispose a sliced sample in an easy and quick manner. The chopper can be connected in some embodiments to means for electrically activate its cutting elements for working as electrodes so that the passive electrical characteristics of the sample can be analysed upon the cut.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Concepts associés (11)
Simple random sample
In statistics, a simple random sample (or SRS) is a subset of individuals (a sample) chosen from a larger set (a population) in which a subset of individuals are chosen randomly, all with the same probability. It is a process of selecting a sample in a random way. In SRS, each subset of k individuals has the same probability of being chosen for the sample as any other subset of k individuals. A simple random sample is an unbiased sampling technique. Simple random sampling is a basic type of sampling and can be a component of other more complex sampling methods.
Échantillonnage (statistiques)
thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.
Échantillonnage stratifié
vignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.
Afficher plus
Publications associées (40)

A study of the K^(+) → π^(0)e^(+)νγ decay

Alessandro Mapelli, Radoslav Marchevski

A sample of 1.3 x 10^(5) K^(+) → π^(0)e^(+)νγ candidates with less than 1% background was collected by the NA62 experiment at the CERN SPS in 2017-2018. Branching fraction measurements are obtained at percent relative precision in three restricted kinemati ...
2023

Meta-Learners for Estimation of Causal Effects: Finite Sample Cross-Fit Performance

Gabriel Okasa

Estimation of causal effects using machine learning methods has become an active research field in econometrics. In this paper, we study the finite sample performance of meta-learners for estimation of heterogeneous treatment effects under the usage of sam ...
2022

A search for Xi(++)(cc) -> D(+)pK(-)pi(+) decays

Jian Wang, Olivier Schneider, Yiming Li, Yi Zhang, Aurelio Bay, Guido Haefeli, Christoph Frei, Frédéric Blanc, Tatsuya Nakada, Michel De Cian, Luca Pescatore, François Fleuret, Elena Graverini, Chitsanu Khurewathanakul, Renato Quagliani, Maria Vieites Diaz, Federico Betti, Andrea Merli, Aravindhan Venkateswaran, Luis Miguel Garcia Martin, Vitalii Lisovskyi, Katharina Müller, Mingkui Wang, Zhirui Xu, Lei Zhang, Jessica Prisciandaro, Mark Tobin, Minh Tâm Tran, Niko Neufeld, Matthew Needham, Marc-Olivier Bettler, Greig Alan Cowan, Maurizio Martinelli, Vladislav Balagura, Donal Patrick Hill, Cédric Potterat, Liang Sun, Pietro Marino, Mirco Dorigo, Jean Wicht, Xiaoxue Han, Liupan An, Federico Leo Redi, Plamen Hristov Hopchev, Thibaud Humair, Maxime Schubiger, Hang Yin, Guido Andreassi, Violaine Bellée, Olivier Göran Girard, Axel Kuonen, Preema Rennee Pais, Pavol Stefko, Tara Nanut, Maria Elena Stramaglia, Tommaso Colombo, Vladimir Macko, Guillaume Max Pietrzyk, Albert Puig Navarro, Evgenii Shmanin, Dipanwita Dutta, Zheng Wang, Yi Wang, Hans Dijkstra, Gerhard Raven, Peter Clarke, Frédéric Teubert, Giovanni Carboni, Victor Coco, Adam Davis, Paolo Durante, Wenyu Zhang, Yu Zheng, Anton Petrov, Maxim Borisyak, Feng Jiang, Chen Chen, Zhipeng Tang

A search for the Xi(++)(cc) baryon through the Xi(++)(cc) -> D(+)pK(-)pi(+) decay is performed with a data sample corresponding to an integrated luminosity of 1.7 fb(-1) recorded by the LHCb experiment in pp collisions at a centre-of-mass energy of 13 TeV. ...
SPRINGER2019
Afficher plus
MOOCs associés (2)
Synchrotrons and X-Ray Free Electron Lasers (part 1)
Synchrotrons and X-Ray Free Electron Lasers (part 1)
Synchrotrons and X-Ray Free Electron Lasers (part 2)
The first MOOC to provide an extensive introduction to synchrotron and XFEL facilities and associated techniques and applications.