MétaCan
Menu
Retour à la cohorte
Enregistrement W2998744780 · doi:10.1109/tbcas.2020.2966285

The Role and Challenges of Body Channel Communication in Wearable Flexible Electronics

2020· article· en· W2998744780 sur OpenAlexaff
Bo Zhao, Jingna Mao, Jian Zhao, Huazhong Yang, Yong Lian

Notice bibliographique

RevueIEEE Transactions on Biomedical Circuits and Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Body Area Networks
Établissements canadiensYork University
Organismes subventionnairesNational Key Research and Development Program of China Stem Cell and Translational ResearchNational Natural Science Foundation of China
Mots-clésWearable computerElectronicsWearable technologyWirelessFlexible electronicsAmplifierBody area networkElectrical engineeringEngineeringElectronic engineeringComputer scienceEmbedded systemTelecommunicationsCMOS

Résumé

récupéré en direct d'OpenAlex

Flexible electronics are compatible with film substrates that are soft and stretchable, resulting in conformal integration with human body. Integrated with various sensors and communication ICs, wearable flexible electronics are able to effectively track human vital signs without affecting the body activities. Such a wearable flexible system contains a sensor, a front-end amplifier (FEA), an analog-to-digital converter (ADC), a micro-controller unit (MCU), a radio, a power management unit (PMU), where the radio is the design bottleneck due to its high power consumption. Different from conventional wireless communications, body channel communication (BCC) uses the human body surface as the signal transmission medium resulting in less signal loss and low power consumption. However, there are some design challenges in BCC, including body channel model, backward loss, variable contact impedance, stringent spectral mask, crystalless design, body antenna effect, etc. In this paper, we conduct a survey on BCC transceiver, and analyze its potential role and challenges in wearable flexible electronics.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,212
Écart entre enseignants0,191 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical Circuits and SystemsMême sujetWireless Body Area NetworksTravaux en français237 207