Electrode Fusion for the Prediction of Self-Initiated Fine Movements from Single-Trial Readiness Potentials
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
Current human-machine interfaces (HMIs) for users with severe disabilities often have difficulty distinguishing between intentional and inadvertent activations. Pre-movement neuro-cortical activity may aid in this elusive discrimination task but has not been exploited in HMIs. This work investigates the utility of the readiness potential (RP), a slow negative cortical potential preceding voluntary movement, for detecting the intention of self-initiated fine movements prior to their motoric realization. We recorded electroencephalography from the frontal, central, parietal and occipital lobes of 10 participants using a self-initiated switch activation protocol. Eye movement artifacts were removed by regression and the RP was detected on a single-trial basis, in a narrow frequency range (0.1-1 Hz). Common average reference was applied prior to windowed-averaging for feature extraction. Electrodes were selected according to a separability measure based on Fisher projection. Our findings demonstrate that feature fusion from an optimal number of electrodes achieves a statistically significant lower classification error than the best single classifier. Finally, voluntary fine movement intention was detected on a single-trial basis at above-chance levels approximately 396 ms before physical switch activation. These findings encourage the development of rapid-response, intention-aware HMIs for individuals with severe disabilities who struggle with executing voluntary fine motor movements.
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 | 0,001 | 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