Transcranial direct current stimulation versus user training on improving online myoelectric control for amputees
Notice bibliographique
Résumé
OBJECTIVE: Transcranial direct current stimulation (tDCS) and user training (UT) are two types of methods to improve myoelectric control performance for amputees. In this study, we compared the independent effect between tDCS and UT, and investigated the combined effect of tDCS and UT. APPROACH: An online paradigm of simultaneous and proportional control (SPC) based on electromyography (EMG) was adopted. The proposed experiments were conducted on six naïve unilateral trans-radial amputees. The subjects each received three types of 20 min interventions: active tDCS with motor training (tDCS + UT), active tDCS with quiet sitting (tDCS), and sham tDCS with motor training (UT). The interventions were applied at one week intervals in a randomized order. The subjects performed online control of a feedback arrow with two degrees of freedom (DoFs) to accomplish target reaching motor tasks in pre-sessions and post-sessions. We compared the performance, measured by completion rate, completion time, and efficiency coefficient, between pre-sessions and post-sessions. MAIN RESULTS: The results showed that the intervention tDCS + UT and tDCS significantly improved the online SPC performance (i.e. improved the completion rate; reduced the completion time; and improved the efficiency coefficient), while intervention UT did not significantly change the performance. The results also showed that the online SPC performance after intervention tDCS + UT and tDCS was not significantly different, but both were significantly better than that after intervention UT. SIGNIFICANCE: tDCS could be an effective intervention to improve the online SPC performance in a short time.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».