Characterization of Parkinsonian Hand Tremor and Validation of a High-Order Tremor Estimator
Notice bibliographique
Résumé
Recent progress in wearable technology has made wearable tremor suppression devices (WTSDs) for Parkinson's patients a potentially viable alternative solution for tremor management. So far, in contrast to wrist and elbow tremor, finger tremors have not been studied in depth despite the huge impact that they have on a patient's daily life. In addition, more evidence has been found showing that the performance of current tremor estimators may be limited by their model order due to the multiple harmonics present in tremor. The aim of this paper is to characterize finger and wrist tremor in both the time and frequency domains, and to propose a high-order tremor estimation algorithm. Tremor magnitudes are reported in the forms of linear acceleration, angular velocity, and angular displacement. The activation of forearm flexor and extensor muscles is also investigated. The frequency analysis shows that Parkinsonian tremors produce oscillations of the hand with pronounced harmonics. At last, a high-order weighted-frequency Fourier linear combiner (WFLC)-based Kalman filter is proposed. The percentage estimation accuracy achieved from the proposed estimator is 96.3 ± 1.7%, showing average improvements of 28.5% and 48.9% over its lower-order counterpart and the WFLC. The proposed estimator shows promise for use in a WTSD.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».