MétaCan
Menu
Retour à la cohorte
Enregistrement W2095666645 · doi:10.1109/tbme.2003.820321

Long-Term Stimulation and Recording With a Penetrating Microelectrode Array in Cat Sciatic Nerve

2004· article· en· W2095666645 sur OpenAlexaff
Almut Branner, R. B. Stein, Eduardo Fernández, Yoichiro Aoyagi, Richard A. Normann

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2004
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicroelectrodeStimulationBiomedical engineeringElectrodeSciatic nerveMultielectrode arrayMaterials scienceNeuroprostheticsElectrode arraySensory systemNeurophysiologySensory stimulation therapyAnatomyMedicineChemistryNeuroscienceInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

We studied the consequences of long-term implantation of a penetrating microelectrode array in peripheral nerve over the time course of 4-6 mo. Electrode arrays without lead wires were implanted to test the ability of different containment systems to protect the array and nerve during contractions of surrounding muscles. Treadmill walking was monitored and the animals showed no functional deficits as a result of implantation. In a different set of experiments, electrodes with lead wires were implanted for up to 7 mo and the animals were tested at 2-4 week intervals at which time stimulation thresholds and recorded sensory activity were monitored for every electrode. It was shown that surgical technique highly affected the long-term stimulation results. Results between measurement sessions were compared, and in the best case, the stimulation properties stabilized in 80% of the electrodes over the course of the experiment (162 days). The recorded sensory signals, however, were not stable over time. A histological analysis performed on all implanted tissues indicated that the morphology and fiber density of the nerve around the electrodes were normal.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations303
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetNeuroscience and Neural EngineeringTravaux en français237 207