MétaCan
Menu
Retour à la cohorte
Enregistrement W4413472232 · doi:10.1109/jtehm.2025.3601988

Videographic-Free Tracking of Hyoid Bone Displacement During Swallowing Using Accelerometer Signals and Transformers

2025· article· en· W4413472232 sur OpenAlexafffund
Ayman Anwar, Yassin Khalifa, Amanda S. Mahoney, Mehdy Dousty, James L. Coyle, Ervin Sejdić

Notice bibliographique

RevueIEEE Journal of Translational Engineering in Health and Medicine · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDysphagia Assessment and Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNatural Sciences and Engineering Research Council of Canada
Mots-clésAccelerometerHyoid boneComputer scienceTracking (education)Computer visionDisplacement (psychology)TransformerSwallowingArtificial intelligenceAcousticsMedicineAnatomyDentistryElectrical engineeringPhysicsEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

Objective: Accurate tracking of anatomical landmarks during swallowing is critical for early diagnosis and treatment of dysphagia. Hyoid bone displacement plays a pivotal role in upper esophageal sphincter opening and airway protection, traditionally assessed via a videofluoroscopic swallow study (VFSS). However, VFSSs are subjective, expose patients to radiation, and are not universally accessible. High-resolution cervical auscultation (HRCA) offers a noninvasive alternative, utilizing acoustic and vibratory signals. Prior studies have validated HRCA’s efficacy in analyzing swallowing kinematics and correlating with hyoid bone displacement, typically employing transform domain characteristics and recurrent neural networks to achieve 50% overlap in predicted displacements Methods: We introduce a transformer-based architecture for tracking hyoid bone displacement directly from raw HRCA signals, leveraging advanced temporal and spatial feature extraction methods using attention mechanism. The proposed pipeline preprocesses HRCA signals, segments individual swallows, and tracks the hyoid bone. Results: Our approach significantly improves upon existing methods, achieving over 70% relative overlap in predicted hyoid bone displacements across validation folds, surpassing state-of-the-art baseline models by a margin of at least 20%. Comprehensive statistical analysis confirms the robustness and accuracy of our predictions, demonstrating strong generalization capabilities on an independent dataset. Conclusion: This novel approach underscores the potential of transformer models in promoting noninvasive dysphagia assessment, offering a precise tracking of hyoid bone without VFSS images, and providing clinicians with insights about its movement trends, potentially aiding in clinical decision-making and bringing us one step closer to automated noninvasive swallowing assessment protocols. Clinical impact: This study highlights the potential of automated hyoid bone tracking using HRCA signals to enhance dysphagia assessment by providing objective, noninvasive measurements that potentially support earlier detection and monitoring of swallowing impairments in both clinical and home healthcare settings, ultimately improving patient management and treatment outcomes.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,392
Écart entre enseignants0,352 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Translational Engineering in Health and MedicineMême sujetDysphagia Assessment and ManagementTravaux en français237 207