MétaCan
Menu
Retour à la cohorte
Enregistrement W4411712335 · doi:10.1016/j.bspc.2026.110739

Detecting Tap Events from a Foot-Tapping Test with an Accelerometer: Validation of Teager-Kaiser Energy Operator and Discrete Wavelet Transform

2025· preprint· en· W4411712335 sur OpenAlexaff
Shamim Noroozi, Madison M. Sagert, Jennifer M. Jakobi, Sabine Weyand

Notice bibliographique

RevueBiomedical Signal Processing and Control · 2025
Typepreprint
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of ReginaUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTappingEnergy operatorAccelerometerWaveletComputer scienceSpeech recognitionEnergy (signal processing)Artificial intelligenceMathematicsPattern recognition (psychology)StatisticsAcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

Foot-tapping is used to evaluate functional and cognitive ability of people with and without neurological disorders. Accurate tap event detection during this test is key. This study validated the accuracy of two algorithms: Ⅰ) Teager-Kaiser energy operator in conjunction with the Maximal Overlap Discrete Wavelet Transform (TKEO-MODWT) and II) Discrete Wavelet Transform (DWT), for detecting tap events from accelerometer data during a unilateral foot-tapping test. These algorithms have been validated for tap detection during finger-tapping tests in healthy younger adults and people with Parkinson’s disease. However, their accuracy for detecting taps during a foot-tapping test has not been explored. Thirty-three participants (15 older adults aged 65 and above, and 18 young-midlife adults 64 years old and under) performed a dominant and nondominant unilateral foot-tapping test. Data were recorded using an accelerometer and a force plate. The sensitivity, precision, mean absolute error in tap detection, and timing detected by the two algorithms from the accelerometer data were compared against true taps recorded using a force plate. Both algorithms (TKEO-MODWT and DWT) were robust for detecting foot-tapping taps. Algorithm Ⅰ (TKEO-MODWT) consistently outperformed algorithm Ⅱ (DWT), achieving higher sensitivity and precision. Additionally, algorithm Ⅰ (TKEO- MODWT) resulted in lower mean absolute error between detected taps and the true taps for both feet in both groups. TKEO-MODWT provides an accurate tool for objectively assessing unilateral foot-tapping in young-midlife adults and older adults using only an accelerometer, and could add to the clinical assessment of functional and cognitive assessment of older adults.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueBiomedical Signal Processing and ControlMême sujetMuscle activation and electromyography studiesTravaux en français237 207