A new approach for detecting and analyzing cutaneous reflexes during locomotion
Notice bibliographique
Résumé
During human walking, due to their small amplitude, individual cutaneous reflex responses are difficult to detect in surface EMG recordings. In this study, we present a new algorithm to automatically detect individual cutaneous reflex responses and to extract their corresponding onset latency, amplitude, duration, and sign. To discriminate reflex responses from the intrinsic variability of the background EMG, each stimulated cycle is compared with 10 adjacent nonstimulated cycles, looking for consistent differences. In the first 200 ms after stimulation, reflex responses are detected when ≥ 9/10 of these differences are either positive or negative. This approach does not require amplitude thresholds or fixed time windows for reflex detection. To reduce false detections, a postprocessing step selects 50 nonstimulated cycles randomly, processes them through the algorithm as stimulated cycles, and establishes a minimal reflex duration criterion that it then used to validate the detected responses. Validated responses from an entire test session are then reported on a colormap (reflex activity map) from which specific responses can be identified and quantified. The new method was validated in ten participants, three cutaneous nerves, and two protocols (phase modulation and recruitment curves). Compared with the classical method, the new algorithm showed better performance in terms of detection accuracy, specificity, and reliability. Although tested here to evaluate cutaneous reflexes during human walking, the simplicity of this method is such that it could easily be used with other reflexes, signals, and preparations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».