A Real-Time Method for Decoding the Neural Drive to Muscles Using Single-Channel Intra-Muscular EMG Recordings
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
The neural command from motor neurons to muscles - sometimes referred to as the neural drive to muscle - can be identified by decomposition of electromyographic (EMG) signals. This approach can be used for inferring the voluntary commands in neural interfaces in patients with limb amputations. This paper proposes for the first time an innovative method for fully automatic and real-time intramuscular EMG (iEMG) decomposition. The method is based on online single-pass density-based clustering and adaptive classification of bivariate features, using the concept of potential measure. No attempt was made to resolve superimposed motor unit action potentials. The proposed algorithm was validated on sets of simulated and experimental iEMG signals. Signals were recorded from the biceps femoris long-head, vastus medialis and lateralis and tibialis anterior muscles during low-to-moderate isometric constant-force and linearly-varying force contractions. The average number of missed, duplicated and erroneous clusters for the examined signals was [Formula: see text], [Formula: see text], and [Formula: see text], respectively. The average decomposition accuracy (defined similar to signal detection theory but without using True Negatives in the denominator) and coefficient of determination (variance accounted for) for the cumulative discharge rate estimation were [Formula: see text], and [Formula: see text], respectively. The time cost for processing each 200[Formula: see text]ms iEMG interval was [Formula: see text] (21-97)[Formula: see text]ms. However, computational time generally increases over time as a function of frames/signal epochs. Meanwhile, the incremental accuracy defined as the accuracy of real-time analysis of each signal epoch, was [Formula: see text]% for epochs recorded after initial one second. The proposed algorithm is thus a promising new tool for neural decoding in the next-generation of prosthetic control.
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