MétaCan
Menu
Retour à la cohorte
Enregistrement W2968435559 · doi:10.1109/jsen.2019.2933751

Detection of Neuromuscular Activity Using New Non-Invasive and Flexible Multimaterial Fiber Dry-Electrodes

2019· article· en· W2968435559 sur OpenAlexafffund
Mourad Roudjane, Simon Tam, Quentin Mascret, Cheikh Latyr Fall, Mathieu Bielmann, Ricardo Adriano Dorledo de Faria, Laurent J. Bouyer, Benoit Gosselin, Younès Messaddeq

Notice bibliographique

RevueIEEE Sensors Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversité Laval
Organismes subventionnairesCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationUniversité Laval
Mots-clésSIGNAL (programming language)ElectrodeFlexibility (engineering)Materials scienceNoise (video)Biomedical engineeringFiberAcousticsComputer scienceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

A new non-invasive and flexible sensor was fabricated to monitor the muscular activity of upper body muscles. It consists of a dry electrode made of multimaterial metalpolymer-glass hollow-core fiber electrodes connected to a custom made signal acquisition platform. This fiber electrode only adds a negligible contribution to the recording system's internal noise (7.626 μV peak-to-peak and 1.234 μV RMS; recording system noise: 6.901 μV peak-to-peak and 1.205 μV RMS). Surface electromyograms (sEMGs) of the biceps bracci and trapezius muscles were recorded during maximal voluntary contractions using the new sensor and compared to that obtained with medical grade commercial sensors. Frequency content and time domain analysis show that the new flexible sensor performs similarly to commercial devices in terms of sEMG signal amplitude discrimination and frequency shift evaluation during the development of muscle fatigue. The advantage of the new sensor is the high flexibility of the fibers allowing their easy integration into stretchable garments without compromising the user's comfort. This will lead to the development of a new generation of smart textile with large application for telemedicine and assistive devices.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,209 · 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

Citations16
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetMuscle activation and electromyography studiesTravaux en français237 207