MétaCan
Menu
Retour à la cohorte
Enregistrement W1968333559 · doi:10.1615/critrevbiomedeng.v38.i5.20

Intramuscular EMG Signal Decomposition

2010· review· en· W1968333559 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCritical Reviews in Biomedical Engineering · 2010
Typereview
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensMount Allison UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMotor unitElectromyographySIGNAL (programming language)DecompositionComputer sciencePattern recognition (psychology)Signal processingArtificial intelligencePhysical medicine and rehabilitationNeuroscienceMedicinePsychologyChemistry

Résumé

récupéré en direct d'OpenAlex

Information regarding motor unit potentials (MUPs) and motor unit fi ring patterns during muscle contractions is useful for physiological investigation and clinical examinations either for the understanding of motor control or for the diagnosis of neuromuscular disorders. In order to obtain such information, composite electromyographic (EMG) signals are decomposed (i.e., resolved into their constituent motor unit potential trains [MUPTs]). The goals of automatic decomposition techniques are to create a MUPT for each motor unit that contributed significant MUPs to the original composite signal. Diagnosis can then be facilitated by decomposing a needle-detected EMG signal, extracting features of MUPTs, and finally analyzing the extracted features (i.e., quantitative electromyography). Herein, the concepts of EMG signals and EMG signal decomposition techniques are explained. The steps involved with the decomposition of an EMG signal and the methods developed for each step, along with their strengths and limitations, are discussed and compared. Finally, methods developed to evaluate decomposition algorithms and assess the validity of the obtained MUPTs are reviewed and evaluated.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,328
Écart entre enseignants0,304 · 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