Exploring the Tactor Configurations of Vibrotactile Feedback Systems for Use in Lower-Limb Prostheses1
Notice bibliographique
Résumé
Vibrotactile feedback may be able to compensate for the loss of sensory input in lower-limb prosthesis users to improve the mobility function. Designing an effective vibrotactile feedback system requires that users are able to perceive and respond to vibrotactile stimuli correctly and in a timely manner. Our study explored four key tactor configuration variables (i.e., tactors’ prosthetic layer, vibration intensity, prosthetic pressure, and spacing between adjacent tactors) through two experiments. The vibration propagation experiment investigated the effects of tactor configurations on vibration amplitude at the prosthesis–limb interface. Results revealed a positive relationship between vibration amplitude and intensity and a weak relationship between vibration amplitude and prosthetic pressure. Highest vibration amplitudes were observed when the tactor was located on the inner socket layer. The second experiment involving a sample of ten able-bodied and three amputee subjects investigated the effects of tactor configurations on user perception measured by response time, accuracy identifying tactors’ stimulation patterns, and spatial error in locating the tactors. Results showed that placing the tactors on the inner socket layer, greater spacing between adjacent tactors, and higher vibration intensity resulted in better user perception. The above findings can be directly applied to the design of vibrotactile feedback systems to increase the user response accuracy and decrease the response time required for dynamic tasks such as gait. They can also help to inform future clinical trials informing the optimization of tactor configuration variables.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».