Relationships Between Motor Unit Anatomical Characteristics\nand Motor Unit Potential Statistics in Healthy Muscles
Notice bibliographique
Résumé
The main goal of this thesis was to discover the relationships between MU characteristics and MUP features. To reach this goal, several features explaining the anatomical structure of the muscle were introduced. Additionally, features representing specific properties of the EMG signal detected from that muscle, were defined. Since information regarding the underlying anatomy was not available from real data, a physiologically based muscle model was used to extract the required features. This muscle model stands out from others, by providing similar acquisition schemes as the ones utilized by physicians in real clinical settings and by modelling the interactions among different volume conductor factors and the collection of MUs in the muscle in a realistic way. Having the features ready, several relationship discovery techniques were used, to reveal relationships between MU features and MUP features. To interpret the results obtained from the correlation analysis and pattern discovery techniques properly, several algorithms and new statistics were defined. The results obtained from correlation analysis and pattern discovery technique were similar to each other, and suggested that to maximize the inter-relationships between MUP features and MU features, MUPs could be filtered based on their slope values, specifically MUPs with slopes lower than 0. 6 v/s could be excluded. Additionally PDT results showed that high slope MUPs were not as informative about the underlying MU and could be excluded to maximize the relationships between MUP features and MU characteristics. Certain MUP features were determined to be highly related to certain MU characteristics. MUP area and duration were shown to be the best representative feature for the MU size and average fiber density, respectively. For the distribution of fiber diameter in the MU, duration and number of turns were determined to reflect mean fiber diameter and stdv of fiber diameter the best, correspondingly.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».