Estimating the Properties of the Single-Trial Speech Auditory Brainstem Response Using an Accurate AR Model
Notice bibliographique
Résumé
The human speech Auditory Brainstem Response (sABR) is an electrophysiological response with potentially important clinical and practical applications. However, because of the very low SNR of the signal, long recording times are usually needed over which the responses from a large number of trials are coherently averaged. Therefore, it is important to understand the properties of the single trial sABR, as this can help in developing methods to detect this response using a smaller number of trials. This paper presents a parametric model of averaged human sABR that is used to estimate the properties of a single-trial response. The Autoregression (AR) method is followed to model the sABR at four different signal qualities, based on recorded data coherently averaged over different numbers of trials. The properties of the modeled sABR are compared with the recorded ones in the time and frequency domains. This model is also used to estimate a single-trial sABR. The results show that the properties of the modeled responses (statistical distribution, SNR, noise power) are similar to the recorded sABRs. Moreover, coherent averaging based on the estimated single-trial sABR produces a comparable theoretical SNR increase, similar exponential relation between the SNR and number of averaged trials, and a similar power spectrum to the recorded sABR.
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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».