MétaCan
Menu
Retour à la cohorte
Enregistrement W1986030373 · doi:10.1016/j.medengphy.2011.12.007

Design and evaluation of a novel microphone-based mechanomyography sensor with cylindrical and conical acoustic chambers

2012· article· en· W1986030373 sur OpenAlexaff
A.O. Posatskiy, Tom Chau

Notice bibliographique

RevueMedical Engineering & Physics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensHolland Bloorview Kids Rehabilitation HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConical surfaceTransducerAcousticsMicrophoneFlatness (cosmology)Frequency responseMaterials scienceOpticsSound pressurePhysicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Mechanomyography has recently been proposed as a control modality for alternative access technologies for individuals with disabilities. However, MMG recordings are highly susceptible to contamination from limb movements. Pressure-based transducers are touted to be the most robust to external movement although there is some debate about their optimal chamber geometry, in terms of low frequency gain and spectral flatness. To investigate the question of preferred geometry, transducers with cylindrical and conical chambers of varying dimensions were designed, manufactured and tested. Using a computer-controlled electrodynamic shaker, the frequency response of each chamber geometry was empirically derived. Of the cylindrical chambers, the highest gain and the flattest frequency response was exhibited by a chamber 10 mm in diameter and 5-7 mm in height. However, conical chambers offered an average rise in gain of 6.79 ± 1.06 dB/Hz over that achievable with cylindrical geometries. The highest gain and flattest response was achieved with a transducer consisting of a low-frequency MEMS microphone, a 4 μm aluminized mylar membrane and a rigid conical chamber 7 mm in diameter and 5mm in height. This design is recommended for MMG applications where limb movement is prevalent.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,228
Écart entre enseignants0,208 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207