Characterization of Upper-Limb Pathological Tremors: Application to Design of an Augmented Haptic Rehabilitation System
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
In this paper, an adaptive filtering technique is proposed to estimate and characterize pathological tremors caused by Parkinson's Disease (PD) and Essential Tremor (ET). The technique is based on the formulation of band-limited multiple Fourier Linear Combiners (BMFLC) and is called Enhanced-BMFLC (E-BMFLC). The effectiveness of the designed filter is statistically evaluated through a clinical study involving 14 PD and 13 ET patients. The hand tremors of the participants are studied in three Degrees Of Freedom (DOF). Using statistical analysis, it is shown that the new design of the filter significantly enhances the accuracy in comparison with the performance of conventional BMFLC filtering. In addition, E-BMFLC significantly reduces the sensitivity to parameter tuning and intrapatient variabilities. The observed improvements are achieved by modulating the memory of the proposed filter, and by enriching the utilized harmonic model. The proposed filter is then used to develop a safe haptics-enabled robotic rehabilitation architecture, designed for patients having hand tremors. The architecture is entitled Augmented Haptic Rehabilitation (AHR), which enables adaptive management of the involuntary components of the hand motion while delivering assist-as-needed haptic therapy (for the voluntary component) and avoiding unsafe amplification of hand tremors. Experimental evaluations are provided to evaluate the efficacy of the proposed AHR system.
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 | 0,000 | 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