MétaCan
Menu
Retour à la cohorte
Enregistrement W2485338160 · doi:10.4018/978-1-4666-6094-6.ch010

Brain-Computer Interfaces for Assessment and Communication in Disorders of Consciousness

2014· book-chapter· en· W2485338160 sur OpenAlexaff
Christoph Guger, Bettina Sorger, Quentin Noirhomme, Lorina Naçi, Martin M. Monti, Ruben Real, Christoph Pokorny, Sandra Veser, Zulay Lugo, Lucia Rita Quitadamo, Damien Lesenfants, Monica Risetti, Rita Formisano, Jlenia Toppi, Laura Astolfi, Thomas C. Emmerling, Lizette Heine, Helena Erlbeck, Petar Horki, Boris Kotchoubey, Luigi Bianchi, Donatella Mattia, Rainer Goebel, Adrian M. Owen, F. Pellas, Gernot Müller-Putz, Steven Laureys, Andrea Kübler, Febo Cincotti

Notice bibliographique

RevueAdvances in bioinformatics and biomedical engineering book series · 2014
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensWestern University
Organismes subventionnairesAdvanced Research Projects AgencyUniversity of California, Los AngelesDefense Advanced Research Projects AgencyGwangju Institute of Science and TechnologyChungbuk National UniversityUniversity of Pittsburgh
Mots-clésPersistent vegetative stateConsciousnessMedical diagnosisElectroencephalographyVariety (cybernetics)PsychologyFunctional magnetic resonance imagingNeuroscienceCognitive scienceMinimally conscious stateComputer scienceMedicineArtificial intelligencePathology

Résumé

récupéré en direct d'OpenAlex

Many patients with Disorders of Consciousness (DOC) are misdiagnosed for a variety of reasons. These patients typically cannot communicate. Because such patients are not provided with the needed tools, one of their basic human needs remains unsatisfied, leaving them truly locked in to their bodies. This chapter first reviews current methods and problems of diagnoses and assistive technology for communication, supporting the view that advances in both respects are needed for patients with DOC. The authors also discuss possible solutions to these problems and introduce emerging developments based on EEG (Electroencephalography), fMRI (Functional Magnetic Resonance Imaging), and fNIRS (Functional Near-Infrared Spectroscopy) that have been validated with patients and healthy volunteers.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,259
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in bioinformatics and biomedical engineering book seriesMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207