MétaCan
Menu
Retour à la cohorte
Enregistrement W4390993420 · doi:10.1109/biocas58349.2023.10388584

Current-Mode Light-to-Digital Read-out IC for Wearable PPG Signal Monitoring

2023· article· en· W4390993420 sur OpenAlexaff
Shahab Mahmoudi Sadaghiani, Sharmistha Bhadra

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSIGNAL (programming language)Dynamic rangeCMOSBlock (permutation group theory)Computer scienceElectrical engineeringAnalog signalPhotodiodeElectronic engineeringSignal processingAnalog signal processingCurrent (fluid)Successive approximation ADCCapacitorDigital signal processingPhysicsComputer hardwareVoltageEngineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

We present a high dynamic range and reconfigurable all current-mode light-to-digital converter (LDC) circuit for reading PPG signal. The proposed LDC consists of an analog current-mode signal processing (ACMSP) block and a current-mode analog to digital converter (ADC). The ACMSP block modifies the output current signal from a photodiode (PD) in a way such that a proper input current range is achieved for the current mode ADC without requiring the high resolution ADC or increasing LED intensity. During modification the ACMSP block removes most part of the DC value of the signal and amplifies the AC part of the signal. The value of the removed DC part and the amplification factor are reconfigurable. The current-mode SAR ADC converts the ACMSP output to a digital signal. The proposed read-out circuit is implemented by 65nm CMOS process and characterized by the post-layout simulations. The power consumption of the readout IC is 1.93 µW and the total area usage is 0.102mm2. With low power and low area, the readout IC can be useful for PPG sensing wearables.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,032
Tête enseignante GPT0,288
Écart entre enseignants0,256 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207