A DSP for Sensing the Bladder Volume Through Afferent Neural Pathways
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.
Notice bibliographique
Résumé
In this paper, we present a digital signal processor (DSP) capable of monitoring the urinary bladder volume through afferent neural pathways. The DSP carries out real-time detection and can discriminate extracellular action potentials, also known as on-the-fly spike sorting. Next, the DSP performs a decoding method to estimate either three qualitative levels of fullness or the bladder volume value, depending on the selected output mode. The proposed DSP was tested using both realistic synthetic signals with a known ground-truth, and real signals from bladder afferent nerves recorded during acute experiments with animal models. The spike sorting processing circuit yielded an average accuracy of 92% using signals with highly correlated spike waveforms and low signal-to-noise ratios. The volume estimation circuits, tested with real signals, reproduced accuracies achieved by offline simulations in Matlab, i.e., 94% and 97% for quantitative and qualitative estimations, respectively. To assess feasibility, the DSP was deployed in the Actel FPGA Igloo AGL1000V2, which showed a power consumption of 0.5 mW and a latency of 2.1 ms at a 333 kHz core frequency. These performance results demonstrate that an implantable bladder sensor that perform the detection, discrimination and decoding of afferent neural activity is feasible.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle