A Comparison of Methods for Decoupling Tongue and Lower Lip From Jaw Movements in 3D Articulography
Notice bibliographique
Résumé
PURPOSE: One popular method to study the motion of oral articulators is 3D electromagnetic articulography. For many studies, it is important to use an algorithm to decouple the motion of the tongue and the lower lip from the motion of the mandible. In this article, the authors describe and compare 4 methods for decoupling jaw motion by using 3D tongue and lower lip data. METHOD: A 3D position estimation method (3DPE), an adapted version of the estimated rotation method (ERM) proposed by Westbury, Lindstrom, and McClean (2002) for 3D recordings, a linear subtraction method, and a new method called Jaw and Oral Analysis (JOANA) were evaluated with data recorded from sensors attached to the lower molars, lower lip, and tongue. RESULTS: The 3DPE method showed the fewest errors. However, unlike the other methods, it requires more than one sensor attached to the lower jaw. Among the single-sensor methods, JOANA was found to be the most comparable to 3DPE. CONCLUSION: The findings suggest that JOANA is efficient in decoupling tongue and lower lip motion from jaw motion, whereas ERM, with its less complicated procedure for attaching the lower jaw incisor sensor, can be considered a viable alternative.
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 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 | 0,004 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».