MétaCan
Menu
Retour à la cohorte
Enregistrement W2101533009 · doi:10.1016/j.medengphy.2010.06.003

A novel integrated mechanomyogram-vocalization access solution

2010· article· en· W2101533009 sur OpenAlexafffund
Natasha Alves, Tiago H. Falk, Tom Chau

Notice bibliographique

RevueMedical Engineering & Physics · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensHolland Bloorview Kids Rehabilitation HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésForeheadMicrophoneComputer scienceSIGNAL (programming language)Binary numberSpeech recognitionMedicineAnatomyMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

We introduce a novel dual-switch control paradigm based on the simultaneous measurement of frontalis muscle mechanomyography (MMG) and vocalizations (humming) using a single contact microphone attached to the forehead. Vibrations of the face and skull during vocalization are manifested as periodic high-frequency components in the microphone signal recorded at the forehead. The presence of these periodic components is detected by a normalized cross-correlation function, while muscle contractions are detected using a continuous wavelet transform method. The dual-switch provides two independent binary control signals. Eleven participants, including one individual with severe physical disabilities, participated in a cued activation task in which the dual-switch exhibited sensitivities and specificities of 96.8±3% and 98.4±1%, respectively for vocalizations, and 99.7±0.5% and 99.2±0.5%, respectively for muscle contractions. Since skin vibrations due to voiced sounds and muscle contractions have non-overlapping dominant bandwidths, the performance of the MMG switch was not affected by vocalizations. This new integrated MMG-vocalization access solution affords the user two binary switches from a single access site, and may thus augment access alternatives for certain individuals with severe physical disabilities.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207