MétaCan
Menu
← Retour à la cohorte
Enregistrement W4366985915 · doi:10.36227/techrxiv.22654396.v1

Ch Active Electrode with In-Channel Boosted CMRR for Distributed EEG Monitoring

2023· preprint· en· W4366985915 sur OpenAlexafffund
Alireza Dabbaghian, Hossein Kassiri

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCMC Microsystems
Mots-clésElectrical impedanceElectronic engineeringCommon-mode rejection ratioComputer scienceElectrodeMaterials scienceElectrical engineeringComputer hardwareAmplifierCMOSEngineeringPhysicsOperational amplifier

Résumé

récupéré en direct d'OpenAlex

We present the design, development, and experimental characterization of an active electrode (AE) IC for wearable ambulatory EEG recording. The proposed architecture features in-AE double common-mode (CM) rejection, making the recording’s CMRR independent of typically-significant AE-to-AE gain variations. Thanks to being DC coupled and needless of chopper stabilization for flicker noise suppression, the architecture yields a super-TOhm input impedance. Such a large input impedance makes the AE’s CMRR practically immune to electrode-skin interface impedance variations across different recording channels, a critical feature for dry-electrode ambulatory systems. Signal quantization and serialization are also performed in-AE, which enables a distributed system in which all AEs use a single data bus for data/command communication to the backend module, thus significantly improving the system’s scalability. Additionally, the presented AE hosts auxiliary modules for (i) detection of an unstable electrode-skin connection through continuous interface impedance monitoring, (ii) dynamic measurement and adjustment of input DC level, and (iii) a CM feedback loop for further CMRR enhancement. The paper also presents the development of printed (extrusion) tattoo electrodes and their experimental characterization results with the proposed AE architecture. Besides bio-compatibility, lowcost, pattern flexibility, and quick fabrication process, the printed electrodes offer a very stable electrode-skin connection, conform to scalp shape, and exhibit consistent performance under various bending curvatures. Analog circuit blocks of the presented AE architecture are designed and fabricated using a standard 180nm CMOS technology, and the 1 x 1.3mm2 IC is integrated with off-chip low-power digital modules on a PCB to form the AE. Our measurement results show a CMRR of 82.2dB (at 60Hz), amplification voltage gain of 52.8dB, a bandwidth of 0.2-400Hz, +-500mv input DC offset tolerance, An input impedance > 1TOhm, and 0.66uV integrated input referred noise (0.5-100Hz), while consuming 17.5uW per channel. All auxiliary modules are tested experimentally, and the entire system is validated in vivo , for both ECG and EEG 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 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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,064
Tête enseignante GPT0,313
Écart entre enseignants0,249 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer Interfaces→Travaux en français237 207→