MétaCan
Menu
← Retour à la cohorte
Enregistrement W3037208994 · doi:10.22215/etd/2020-14098

A Method to Characterize Skeletal Muscle Contractile Properties Using a Wearable Ultrasonic Sensor

2020· dissertation· en· W3037208994 sur OpenAlexaff
Elliot Yeung

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPolyvinylidene fluorideWearable computerUltrasonic sensorMaterials sciencePiezoelectricityBiomedical engineeringSkeletal muscleHuman motionAcousticsPolymerComputer scienceMotion (physics)Composite materialEngineeringAnatomyComputer visionEmbedded systemBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Skeletal muscle monitoring provides valuable information about the muscle contractile properties which could be useful in various clinical applications.A wearable ultrasonic sensor (WUS) was constructed using a 110 µm thick polyvinylidene fluoride polymer piezoelectric film to perform a continuous hands-free muscle monitoring.The lightweight and flexible properties of WUS enables the stable attachment to the skin surface without affecting the tissue motion of interest, which results in reduced motion artifacts.In order to perform reliable estimation of tissue thicknesses by the WUS in an ultrasonic pulse echo mode, the accuracy of selected signal analysis techniques was evaluated using a laser displacement measurement result as a reference.Then, a mechanical simulation experiment is conducted to evaluate the accuracy and repeatability of the WUS measurement system.In addition, the effects of moving averaging on the signal-to-noise ratio of the ultrasonic signals and the estimation accuracy of the tissue thickness were investigated.In order to demonstrate the feasibility of the proposed ultrasound technique for in-vivo measurements, continuous monitoring of the lateral head of triceps muscle of three healthy male subjects were monitored using the WUS.The tissue thickness changes due to the evoked muscle contraction by an electromyostimulation (EMS) at various pulse repetition frequencies were monitored.vii

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)0,000
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,032
Tête enseignante GPT0,264
Écart entre enseignants0,232 · 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
GenreMéthodes

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor and Energy Harvesting Materials→Travaux en français237 207→