Eliciting Force and Slippage in Upper Limb Amputees Through Transcutaneous Electrical Nerve Stimulation (TENS)
Notice bibliographique
Résumé
Upper limb amputation severely affects the quality of life of individuals. Therefore, developing closed-loop upper-limb prostheses would enhance the sensory-motor capabilities of the prosthetic user. Considering design priorities based on user needs, the restoration of sensory feedback is one of the most desired features. This study focuses on employing Transcutaneous Electrical Nerve Stimulation (TENS) as a non-invasive somatotopic stimulation technique for restoring somatic sensations in upper-limb amputees. The aim of this study is to propose two encoding strategies to elicit force and slippage sensations in transradial amputees. The former aims at restoring three different levels of force through a Linear Pulse Amplitude Modulation (LPAM); the latter is devoted to elicit slippage sensations through Apparent Moving Sensation (AMS) by means of three different algorithms, i.e. the Pulse Amplitude Variation (PAV), the Pulse Width Variation (PWV) and Inter-Stimulus Delay Modulation (ISDM). Amputees had to characterize perceived sensations and to perform force and slippage recognition tasks. Results demonstrates that amputees were able to correctly identify low, medium and high levels of force, with an accuracy above the 80% and similarly, to also discriminate the slippage moving direction with a high accuracy above 90%, also highlighting that ISDM would be the most suitable method, among the three AMS strategies to deliver slippage sensations. It was demonstrated for the first time that the developed encoding strategies are effective methods to somatotopically reintroduce in the amputees, by means of TENS, force and slippage sensations.
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) | 0,000 | 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 ».