MétaCan
Menu
Retour à la cohorte
Enregistrement W2080593927 · doi:10.1109/iembs.2011.6091150

A framework for the discrimination of neural pathways using multi-contact nerve cuff electrodes

2011· article· en· W2080593927 sur OpenAlexaff
José Zariffa, Mary K. Nagai, Martin Schüettler, Thomas Stieglitz, Zafiris J. Daskalakis, Miloš R. Popović

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensCentre for Addiction and Mental HealthToronto Rehabilitation InstituteUniversity of TorontoInternational Collaboration On Repair Discoveries
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCuffNeurophysiologyTask (project management)Sciatic nerveBiomedical engineeringPeripheral nerveNeuroscienceEngineeringMedicineAnatomyBiology

Résumé

récupéré en direct d'OpenAlex

Monitoring the activity of specific neural pathways in a peripheral nerve is a task with numerous applications in implanted neuroprosthetic systems. Achieving selective recording using multi-contact nerve cuff electrodes is appealing because these devices are well suited for chronic use, but no viable general solution to the task of discriminating combinations of active pathways from extra-neural recordings has yet been proposed. Bioelectric source localization approaches have been suggested, but their effectiveness is limited by the accuracy of the nerve model used to solve the forward problem. We propose a model-free alternative to the pathway discrimination task, in which experimental data is used to estimate a solution to the forward problem. The method was evaluated using a 56-channel cuff placed on the rat sciatic nerve. 3 pathways were discriminated with a 94.2% success rate when individually active, whereas further improvements are needed in order to recover combinations of simultaneously active pathways.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,162
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,230
Tête enseignante GPT0,325
Écart entre enseignants0,095 · 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 tête enseignante, 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207