MétaCan
Menu
Retour à la cohorte
Enregistrement W4388796898 · doi:10.3389/fnins.2023.1327801

Editorial: Ear-centered sensing: from sensing principles to research and clinical devices, volume II

2023· editorial· en· W4388796898 sur OpenAlexaff
Jérémie Voix, Preben Kidmose, Martin G. Bleichner

Notice bibliographique

RevueFrontiers in Neuroscience · 2023
Typeeditorial
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésVolume (thermodynamics)Computer scienceSystems engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Dedicated sensor and amplifier technology are paramount for successful long-term usage of earcentered sensing devices. Authors that contributed their papers in this Special Topic have made significant strides in this area, striving for unobtrusiveness in every aspect. From biocompatible materials that adapt to individual anatomy to lightweight, inconspicuous instrumentation, their innovations promise to enable seamless data acquisition without restricting users' daily activities.In this volume II of our Research Topic, we present a diverse range of research articles that collectively advance the field of ear-centered sensing. We have compiled a brief overview of each article to pique your interest:This study explores the potential of ear-centered EEG to monitor auditory attention during continuous speech, offering insights into assistive devices for complex auditory environments.Investigating the feasibility of real-time endogenous ear-EEG-based braincomputer interfaces, this article explores the potential of ear-EEG in online environments.In-Ear Electro-Oculography for Attended Speaker Estimation": Utilizing in-ear electrooculography, this research focuses on improving comprehension in hearing-impaired individuals during conversations, with implications for hearing assistive devices.Electrode Grid for Self-Applied EEG Sleep Monitoring at Home": Addressing the need for convenient home sleep monitoring, this article presents a self-applicable EEG sensor array for accurate sleep evaluation.Investigating the potential of ear-EEG to determine levels of attention and focus, this study explores the integration of ear-EEG into wearable devices for monitoring mental load.This article assesses the alignment of audio and EEG data in the context of hearing aid algorithms, offering insights into future closed-loop EEG and audio applications.Exploring sound localization in children with hearing conditions, this study highlights the benefits of non-surgical bone conduction devices.Introducing a generic ear-EEG device for at-home sleep monitoring, this research emphasizes the potential for widespread sleep stage monitoring.Artifacts": This study establishes the sensitivity of ear-EEG to neural sources and ocular artifacts, supporting its integration into EEG paradigms.As you delve into these nine articles, we hope you gain a deeper appreciation for the transformative potential of ear-centered sensing across various domains, from healthcare to cognitive science. By bringing together experts from different disciplines, we aim to foster collaboration and innovation in this every-day growing field.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,001
Études des sciences et des technologies0,0020,003
Communication savante0,0070,005
Science ouverte0,0030,002
Intégrité de la recherche0,0130,015
Charge utile insuffisante (le modèle a refusé de juger)0,0170,013

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 Opus0,113
Tête enseignante GPT0,385
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207