Adhesive Wearable Sensors for Electroencephalography from Hairy Scalp
Notice bibliographique
Résumé
Electroencephalography has garnered interest for applications in mobile healthcare, human-machine interfaces, and Internet of Things. Conventional electroencephalography relies on wet and dry electrodes. Despite favorable interface impedance of wet electrodes and skin, the application of a large amount of gel at their interface with skin limits the electroencephalography spatial resolution, increases the risk of shorting between electrodes, and makes them unsuited for long-term mobile recording. In contrast, dry electrodes are better suited for long-term recordings but susceptible to motion artifacts. In addition, both wet and dry electrodes are non-adhesive to the hairy scalp and mechanical support, or chemical adhesives are used to hold them in place. Herein, a conical microstructure array (CMSA) based sensor made of carbon nanotube-polydimethylsiloxane composite is reported. The CMSA sensor is fabricated using the innovative, cost-effective, and scalable method of viscosity-controlled dip-pull process. The sensor adheres to the hairy scalp by generating negative pressure in its conical microstructures when it is pressed against scalp. Aided by the application of a trace amount of gel, CMSA sensor establishes good electrical contact with the skin, enabling its applications in mobile electroencephalography over extended periods. Notably, the signal quality of CMSA sensors is comparable to that of medical-grade wet gel electrodes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».