Aller au contenu principal
2026 article

Deep learning-based microfluidic rapid phenotypic AST uncovers early resistance trajectories

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Deep learning-based microfluidic rapid phenotypic AST uncovers early resistance trajectories
Date Crossref
01/08/2026
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Wuhan National Laboratory for Optoelectronics pays non établi dans la notice
    Structure de recherche
  • Huazhong University of Science and Technology pays non établi dans la notice
    Université ou école supérieure
  • College of Life Science and Technology The Key Laboratory for Biomedical Photonics of MOE at Wuhan National Laboratory for Optoelectronics Hubei Bioinformatics & Molecular Imaging Key Laboratory pays non établi dans la notice
    Université ou école supérieure
  • Tongji Medical College Department of Laboratory Medicine pays non établi dans la notice
    Université ou école supérieure

Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology et The Key Laboratory for Biomedical Photonics of MOE at Wuhan National Laboratory for Optoelectronics Hubei Bioinformatics & Molecular Imaging Key Laboratory — College of Life Science and Technology, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Biosensors and Analytical Detection3D Printing in Biomedical ResearchInnovative Microfluidic and Catalytic Techniques Innovation

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.