Application of Autocorrelation and Cross-correlation Analyses in Human Movement and Rehabilitation Research
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
STUDY DESIGN: Technical note. OBJECTIVES: To provide background theory and information and to describe relevant applications of autocorrelation and cross-correlation methodology as they apply to the field of motor control in human movement and rehabilitation research. BACKGROUND: Commonly used methodologies for pattern and event recognition, determination of muscle activation timing for investigation of movement coordination, and motor control are generally difficult to implement, particularly with large datasets. A brief description of the underlying mathematical theory of correlation analyses is given, followed by 4 different examples of how this methodology is useful for research in the movement sciences. METHODS: Examples demonstrating the utility of correlation analyses are presented from several different studies conducted at the University of Waterloo. RESULTS: Autocorrelation was used to demonstrate the presence of 60-Hz noise in an electromyography signal that was not visible in the raw data. A "top-down" paraspinal muscle activation pattern was demonstrated for healthy adults during gait, with the use of cross-correlation. Cross-correlation was also used to quantify coactivation of bilateral gluteus medius muscles during standing in individuals who developed low-back pain. Gender differences in gluteus medius control of mediolateral center of pressure were seen with the use of cross-correlation. CONCLUSION: Autocorrelation and crosscorrelation have been shown to be an effective tool for several different applications in the movement sciences. Examples of the method's utility include noise detection within a signal, determination of relative muscle activation onsets for postural control, objective quantification of muscle coactivation, and relating muscle activations with mechanical events.
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 | 0,000 | 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