MétaCan
Menu
Retour à la cohorte
Enregistrement W4210685378 · doi:10.1177/20556683211061995

Exploring textile-based electrode materials for electromyography smart garments

2022· article· en· W4210685378 sur OpenAlexafffund
Emily Lam, Milad Alizadeh-Meghrazi, Alessandra Schlums, Ladan Eskandarian, Amin Mahnam, Bastien Moineau, Miloš R. Popović

Notice bibliographique

RevueJournal of Rehabilitation and Assistive Technologies Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity Health NetworkUniversity of WaterlooToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésElectrodeMaterials scienceElectromyographyBiomedical engineeringWearable computerIsometric exerciseComposite materialDurabilityComputer sciencePhysical medicine and rehabilitationMedicinePhysical therapyChemistry

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In recent years, electromyography (EMG) has been increasingly studied for wearable applications. Conventional gel electrodes for electrophysiological recordings have limited use in everyday applications such as prosthetic control or muscular therapy at home. This study investigates the efficacy and feasibility of dry-contact electrode materials employed in smart textiles for EMG recordings. METHODS: Dry-contact electrode materials were selected and implemented on textile substrates. Using these electrodes, EMG was recorded from the forearm of able-bodied subjects. 25% and 50% isometric maximum voluntary contractions were captured. A comparative investigation was performed against gel electrodes, assessing the effect of material properties on signal fidelity and strength compared. RESULTS: < 0.001). The inclusion of ionic liquids in the material composition, and using raised or flat electrodes, did not demonstrate a significant effect in signal quality. CONCLUSIONS: For EMG dry-contact electrodes, comparing the performance against gel electrodes for the application with the selected material is important. Other factors recommended to be studied are electrodes' durability and long-term stability.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,218
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,219
Écart entre enseignants0,201 · 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.

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

Citations33
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Rehabilitation and Assistive Technologies EngineeringMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207