Automated decomposition of intramuscular electromyographic signals
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
We present a novel method for extracting and classifying motor unit action potentials (MUAPs) from one-channel electromyographic recordings. The extraction of MUAP templates is carried out using a symbolic representation of waveforms, a common technique in signature verification applications. The assignment of MUAPs to their specific trains is achieved by means of repeated template matching passes using pseudocorrelation, a new matched-filter-based similarity measure. Identified MUAPs are peeled off and the residual signal is analyzed using shortened templates to facilitate the resolution of superimpositions. The program was tested with simulated data and with experimental signals obtained using fine-wire electrodes in the biceps brachii during isometric contractions ranging from 5% to 30% of the maximum voluntary contraction. Analyzed signals were made of up to 14 MUAP trains. Most templates were extracted automatically, but complex signals sometimes required the adjustment of 2 parameters to account for all the MUAP trains present. Classification accuracy rates for simulations ranged from an average of 96.3% +/- 0.9% (4 trains) to 75.6% +/- 11.0% (12 trains). The classification portion of the program never required user intervention. Decomposition of most 10-s-long signals required less than 10 s using a conventional desktop computer, thus showing capabilities for real-time applications.
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 | 0,001 |
| 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