0746 REVIEW OF A MULTISENSOR, LOW COST, AND UNOBTRUSIVE APPROACH TO DETECT MOVEMENTS IN SIT AND SLEEP
Notice bibliographique
Résumé
Movement measurements in the Suggested Immobilization Test (SIT) and sleep recordings are typically measured by polysomnography (PSG) with electromyography (EMG). We investigated the viability of an alternate home-based recording system, SleepSmart, which combines sensing technologies integrated in a bed-sheet and 3D video to detect movements. Pilot study: 19 participants were administered the SIT in the Biomechanics Lab; the subject lay on an angled bed for 30 minutes and slept for up to 90 minutes. We used a combination of the Kinect videography system enabling conventional 2D and novel 3D-technology, a portable EMG device, and a mattress topper sheet fitted with flexible sensors. EMG data was recorded for both tibialis anterior muscles. The goal was to perform pilot testing on the integrated system to fine tune the procedure and equipment. Main findings: The 3-D video recordings enabled the study of movement developments, a novel feature not captured by 2-D video-recordings and/or EMG. Pitfalls in the EMG setup, overall protocol design, and data synchronization were encountered. Several requirements were identified to optimize the test-setup: (1) A millisecond-level time stamping system was needed to sync data between multiple modalities; this mechanism will support identification of movement characteristics (development and peak) for Periodic Limb Movements (PLM). (2) Reflective or light-absorbing artifacts should be removed to maintain video data integrity. (3) With the demonstrated effectiveness of the video-data characterization feature, the mattress-sensor framework should implement machine learning algorithms to automatically identify movement events. Based on findings, the mattress sensors are being replaced with newer sensors to improve performance. The switch from force-sensing resistors (FSRs) to accelerometers incorporates detection of physiological signals (heartbeat and breathing rate). Identification algorithms will include sleep apnea events. More pilot testing will be conducted to validate changes. Kids Brain Health Network (previously NeuroDevNet), AIT Austrian Institute of Technology, BC Children’s Hospital Foundation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,011 |
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 ».