MétaCan
Menu
Retour à la cohorte
Enregistrement W3082310341 · doi:10.1109/embc44109.2020.9176671

Motion-Affected Electrode-Tissue Interface Characterization for Ambulatory EEG Recording

2020· review· en· W3082310341 sur OpenAlexaff
Tayebeh Yousefi, Alireza Dabbaghian, Hossein Kassiri

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyCharacterization (materials science)Brain–computer interfaceInterface (matter)Computer scienceElectrodeAmbulatoryMotion (physics)Biomedical engineeringMaterials scienceArtificial intelligenceMedicineNeuroscienceChemistryPsychologyNanotechnologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Motion artifacts are arguably the most important issue in the development of wearable ambulatory EEG devices. Designing circuits and systems capable of high-quality EEG recording regardless of these artifacts requires a clear understanding of how the electrode-skin interface is affected by physical motions. In this work, first, we report statistically-significant experimental characterization results of electrodeskin interface impedance for dry contact and non-contact electrodes in the presence of various motions. This leads to a model describing the motion-induced electrode-skin interface impedance variations for these electrodes. Next, a critical review of the possible analog front-end circuits for surface EEG recording is presented, followed by theoretical circuit analysis discussing the effect of electrode movements on the operation of these circuits. Inspired by the developed model and the analytical review, a novel front-end architecture capable of extracting motion from the EEG signal during the amplification stage is presented and experimentally characterized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,338
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer InterfacesTravaux en français237 207