An Investigation of Electrovestibulography and Vestibular Field Potentials
Notice bibliographique
Résumé
An emerging technique called Electrovestibulography (EVestG) shows promise for the diagnosis of various balance and mood disorders. This technique records the electrical signal from the external ear during evoked vestibular responses. In order to extract the vestibular signal from a recording which contains many other signals (muscle artifacts, cochlear responses, and environmental noise), a signal processing technique called the Neural Event Extraction Routine (NEER) is used [1]. NEER currently consists of four major operations. In the first step is an adaptive filter is applied to the signal to reduce noise and artifacts as much as possible. The second step is to separate the signal into segments corresponding to the direction of acceleration applied to the subject. The third step involves filtering the signal using a set of wavelets, each tuned to a different frequency. The final step is to use a set of heuristics on the phase and magnitude of the wavelet responses to identify possible evoked field potentials. These possible field potentials are then averaged to obtain a typical field potential, which can be used to identify disorders [2]. So far, a number of refinements have been made to the original algorithm. A rewrite for computational efficiency has allowed much faster processing of results. Also, changes to the segmentation process have been investigated. Numerous tests have been done to measure the reproducibility of EVestG data under various experimental conditions. Additionally, initial work has been done on a procedure for objectively evaluating the performance of the NEER algorithm using simulated signals. Such a procedure will allow us to compare the current algorithm with other techniques. Future work will use the characterization of the evoked vestibular field potential from animal studies to guide improvements to the NEER algorithm. A possible alternative algorithm will be investigated which will use matched filters based on expected field potential shapes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».