MétaCan
Menu
Retour à la cohorte
Enregistrement W4312712419 · doi:10.1109/iscas48785.2022.9937649

A Wearable Electrooculogram System with Parallel Motion Artifact Sensing and Reduction

2022· article· en· W4312712419 sur OpenAlexaff
Shibam Debbarma, Sharmistha Bhadra

Notice bibliographique

Revue2022 IEEE International Symposium on Circuits and Systems (ISCAS) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceArtifact (error)SIGNAL (programming language)ElectrooculographyChannel (broadcasting)Wearable computerBandwidth (computing)Computer visionWirelessComputer hardwareArtificial intelligenceEmbedded systemTelecommunicationsEye movement

Résumé

récupéré en direct d'OpenAlex

Electrooculogram signal is a well-known physiological metric. Electrooculogram measurements suffer from motion artifact and environmental vibrations. Such artifact are random in nature, may have large dynamic range, and may saturate the overall measurement system output. In this manuscript, we present a single channel, wireless, flexible EOG monitoring system which has capability to reduce motion artifact. The system uses dry non-contact electrodes which makes it mountable with minimal assistance required. The entire EOG system is implemented on a four-layer flexible polyimide substrate, with the EOG acquisition unit on the top layer, noncontact measurement electrodes printed on the bottom layer, circuit ground on the second layer, and active shielding on the third layer. The system uses parallel non-contact electrode pair for EOG signal detection and motion artifact reduction. The battery operated system utilizes only 56 mW of power while using a BLE 5.0 transceiver for wireless EOG data transmission. The system is designed for an effective EOG signal bandwidth of 1 Hz to 40 Hz with an effective signal gain above 35 dB over the signal bandwidth. The capability of the system for motion artifact reduction and EOG detection are experimentally validated. With only 8.75 gram weight the system does not cause any discomfort to the wearer during EOG recording.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,230
Écart entre enseignants0,213 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International Symposium on Circuits and Systems (ISCAS)Même sujetGaze Tracking and Assistive TechnologyTravaux en français237 207