Comparison of Short Fast Fourier Transform and Continuous Wavelet Transform in Study of Stride Interval
Notice bibliographique
Résumé
Neurodegenerative diseases (NDD) are a heterogeneous group of complex diseases characterized by neuronal loss and progressive degeneration of different areas of the nervous system.Gait analysis presents an early recognition system for NDD which is important to increase the patient's awareness of their health conditions.However, it is very difficult to identify and formulate suitable digital biomarkers from the data collected from gait experiments such as stride interval and swing.The objective of this paper is to compare the result of Short -Time Fourier Transform (STFT) and Continuous Wavelet Transform (CWT) on the collected stride interval of healthy young people and healthy old people.In this paper, STFT and CWT are performed on the collected stride interval and from the result of the STFT and CWT, further features are extracted like instantaneous RMS and maximum RMS value.STFT is performed on the collected stride interval from a window length of 64 to 512 while CWT is performed on the collected stride interval from the scale of 128 to 2048.The processing time of the STFT and CWT with varied window lengths and scales respectively are collected.Besides, the actual maximum time from the time -frequency plot derived from STFT and CWT is also collected.Both STFT and CWT show that the young group has a higher maximum RMS, an indication of higher stride interval than the old group and higher variance, an indication of higher gait complexity.The suitable window lengths for STFT in analyzing the stride interval are 64 and 128 while the scale for CWT should be set to the lowest scale.Overall, STFT with a window length of 64 and 128 is better in analyzing the stride interval due to low processing time at the expense of slightly less accurate time -frequency representation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».