Interface électronique et logicielle pour la surveillance de la respiration en temps réel en utilisant des vêtements intelligents sans fils
Bibliographic record
Abstract
Dans ce mémoire, on présente une nouvelle architecture d’un chandail intelligent pour surveiller la respiration en temps réel. Ce vêtement intelligent comporte une architecture qui offre une méthode de détection innovante assurant une suivie de l’activité respiratoire en continue. Tout d’abord le chandail détecte la déformation du haut du thorax pendant la respiration à l’aide d’une antenne intégrée dans le chandail. L’antenne a été conçue dans les laboratoires du centre d’optique, photonique et laser de l’université Laval. Un capteur Bluetooth intégré dans le même chandail détecte par la suite la variation du signal RSSI (indicateur d’intensité du signal reçu) et l’envoie à une unité de traitement et d’analyse de données sans fils (un ordinateur ou une tablette). Une interface d’analyse des données a été crée pour permettre la détermination du rythme respiratoire et le caractériser selon le signal de respiration reçu. En plus, le chandail intelligent est alimenté par une source d’énergie sans fils et hybride fonctionnant avec une batterie rechargeable ou par un lien inductif. Deux versions de chandail ont été testées. La première contient un seul capteur alors que la deuxième possède six capteurs positionnés sur la partie frontal du vêtement. En plus, différents paramètres ont été pris en considération durant les tests citant entre autres la morphologie, l’âge et le sexe des utilisateurs. Des tests ont démontré une détection réussie de plusieurs informations pertinentes comme les cycles de respiration (inspiration, expiration), la fréquence respiratoire et d’autres mesures statistiques pour les diagnostics.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".