MétaCan
Menu
Retour à la cohorte
Enregistrement W2792152971 · doi:10.3390/s18040973

A Portable Wireless Communication Platform Based on a Multi-Material Fiber Sensor for Real-Time Breath Detection

2018· article· en· W2792152971 sur OpenAlexaff
Mourad Roudjane, Simon Bellemare-Rousseau, Mazen Khalil, Stepan Gorgutsa, Amine Miled, Younès Messaddeq

Notice bibliographique

RevueSensors · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Body Area Networks
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésWirelessComputer scienceEmbedded systemWireless sensor networkReal-time computingComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a new mobile wireless communication platform for real-time monitoring of an individual's breathing rate. The platform takes the form of a wearable stretching T-shirt featuring a sensor and a detection base station. The sensor is formed by a spiral-shaped antenna made from a multi-material fiber connected to a compact transmitter. Based on the resonance frequency of the antenna at approximately 2.4 GHz, the breathing sensor relies on its Bluetooth transmitter. The contactless and non-invasive sensor is designed without compromising the user's comfort. The sensing mechanism of the system is based on the detection of the signal amplitude transmitted wirelessly by the sensor, which is found to be sensitive to strain. We demonstrate the capability of the platform to detect the breathing rates of four male volunteers who are not in movement. The breathing pattern is obtained through the received signal strength indicator (RSSI) which is filtered and analyzed with home-made algorithms in the portable system. Numerical simulations of human breath are performed to support the experimental detection, and both results are in a good agreement. Slow, fast, regular, irregular, and shallow breathing types are successfully recorded within a frequency interval of 0.16-1.2 Hz, leading to a breathing rate varying from 10 to 72 breaths per minute.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations33
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetWireless Body Area NetworksTravaux en français237 207