MétaCan
Menu
Retour à la cohorte
Enregistrement W2541206416 · doi:10.1109/biocas.2004.1454174

Multichannel wireless cortical recording: circuits, system design and assembly challenges

2005· article· en· W2541206416 sur OpenAlexaff
Benoit Gosselin, V. Simard, Wissam Marrouche, C. Dumortier, Mohamad Sawan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWirelessPower consumptionElectronic circuitSystem on a chipReduction (mathematics)ChipComputer hardwareEmbedded systemData acquisitionElectronic engineeringPower (physics)Electrical engineeringEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

We present in this paper advanced mixed signal circuits and systems techniques dedicated for wireless multichannel cortical recording devices. These design techniques enable minimum power consumption and integration area of building blocks, which make them well suited for implantable devices including a large number of channels. Also, to address the overwhelming amount of data generated by these systems, an on-chip event detection technique is proposed for data reduction. We show that this method can increase the number of channels available in wireless implantable acquisition systems, currently limited by RF data link transfer rates. Tradeoffs between power, area and data loss for worst case are discussed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil0,599

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 technologies0,0000,000
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 Opus0,093
Tête enseignante GPT0,270
Écart entre enseignants0,176 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207