MétaCan
Menu
Retour à la cohorte
Enregistrement W4389537755 · doi:10.1109/embc40787.2023.10340264

A Low-Power High Input Range PPG Readout Amplifier with a Current Buffer Input<sup>*</sup>

2023· article· en· W4389537755 sur OpenAlexafffund
Mahziar Serri Mazandarani, Gabriel Gagnon-Turcotte, Reza Papi, Benoit Gosselin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCMC Microsystems (Canada)Université Laval
Organismes subventionnairesCMC Microsystems
Mots-clésBuffer (optical fiber)AmplifierCurrent (fluid)Buffer amplifierPower (physics)OptoelectronicsRange (aeronautics)Dynamic rangeOperational amplifierElectrical engineeringMaterials sciencePhysicsComputer scienceCMOSEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

This paper presents ultra-low power photoplethysmography (PPG) readout circuits. The proposed system architecture uses a current buffer between the photodiode (PD) and the transimpedance amplifier (TIA) to isolate the large parasitic capacitance of the PD leading to improves the power consumption of the TIA. A class AB topology is exploited at the output of the amplifier, which allows for increased drive capability without the use of auxiliary circuits. The maximum input current range of the TIA is 160 µA, so the large DC current of the input signal does not saturate the circuit. In the LED driver circuit, by varying the duty cycle of a pulse wave modulation (PWM) signal, the ON and OFF times of the circuits. The amplifier and LED driver are manufactured in the 130 nm TSMC CMOS process. The power consumption of the circuits with a duty cycle of 1% is 3.28 µW (at VDD = 1.2V).Clinical Relevance- Vital signs are becoming a very important research topic due to the recent prevalence of COVID-19 and other respiratory diseases. This research aims to develop and interface circuits to monitor vital signs including blood pressure, heart rate, and respiratory rate to study respiratory disease, drug safety, and efficacy.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

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 ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,014
Tête enseignante GPT0,227
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 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
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207