MétaCan
Menu
Retour à la cohorte
Enregistrement W2095600640 · doi:10.1109/iembs.2008.4649816

Detection and classification of raw action potential patterns in human Muscle Sympathetic Nerve Activity

2008· article· en· W2095600640 sur OpenAlexafffund
Aryan Salmanpour, Lyndon J. Brown, J. Kevin Shoemaker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNeurophysiologyBand-pass filterArtificial intelligenceNoise (video)Pattern recognition (psychology)DetectorAction potentialComputer scienceFilter (signal processing)Wavelet transformSympathetic nerveBiological systemWaveletNeuroscienceComputer visionElectronic engineeringElectrophysiologyEngineeringPsychologyTelecommunicationsBiology

Résumé

récupéré en direct d'OpenAlex

The Muscle Sympathetic Nerve Activity (MSNA) consists of synchronous neural discharges separated by periods of neural silence dominated by heavy background noise. During measurement with electrodes, the raw MSNA signal is amplified, band-pass filtered, rectified and integrated. This integration process removes much neurophysiological information. In this paper a method for detecting a raw action potential (before the pre-amplifier) and filtered action potential (after the band-pass filter) is presented. This method is based on stationary wavelet transform (SWT) and a peak detection algorithm. Also, the detected action potentials were clustered using the k-means method and the cluster averages were calculated. The action potential detector and classification algorithm are evaluated using real MSNA recorded from three healthy subjects.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,201

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,261
Écart entre enseignants0,234 · 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

Citations8
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMechanical and Optical ResonatorsTravaux en français237 207