MétaCan
Menu
← Back to cohort
Record W7019767531

Implémentation matérielle d’un module de communication pour un implant multisite capable de prévoir les crises épileptiques par une mesure de l’activité neuronale

2022· other· fr· W7019767531 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2022
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsImplantVideo recordingElectrodiagnosis
DOInot available

Abstract

fetched live from OpenAlex

Près de 15% des patients souffrant d’épilepsie ne peuvent être traités par médication ou chirurgie. La neurostimulation réactive (RNS) repose sur l’utilisation d’un implant intracrânien permettant d’inhiber les crises d’épilepsie avant même leur déclenchement. Cette technologie permet aussi d’enregistrer les signaux neuronaux d’un patient en mouvement. L’analyse de ces enregistrements permet de réaliser des prédictions sur l’apparition des crises épileptiques futures. Le seul système RNS actuel dispose toutefois d’une faible quantité d’électrodes, réduisant ainsi la qualité des enregistrements. De plus, le système RNS actuel enregistre un maximum de 7,5 minutes d’activité neuronale dans sa mémoire interne. Cela se traduit par des enregistrements discontinus et périodiques, limitant ainsi la précision des prédictions conçues à partir de ces données. Dans le but d’augmenter la précision de ces «bulletins météo épileptiques», le Groupe de recherche en appareillage médical de Sherbrooke (GRAMS), en partenariat avec l’Université de Melbourne (Australie), développe un nouvel implant cortical pour la prédiction des crises épileptiques. Cet implant réalisera des enregistrements neuronaux continus grâce à l’utilisation de 196 électrodes réparties sur 4 sites, et ce, afin de disposer d’une meilleure visualisation de l’activité globale du cortex. La mesure anticipée sur des neurones uniques vise à augmenter le rapport signal sur bruit. Ce nombre accru d’enregistrements se traduit par une transmission d’un flux important de données qui doit se faire sans fil afin d’éviter tout inconfort à l’usager. Puisque l’implant est dans le corps humain, la capacité de sa batterie est limitée. La transmission sans fil doit donc être réalisée avec une faible puissance et exclut donc les méthodes de communication démocratisées (WiFi, bluetooth) puisque ces dernières sont trop énergivores, diminuant ainsi grandement l’autonomie de l’implant entre deux recharges. Les travaux de recherche du présent mémoire portent sur la conception du module de communication sans fil d’un implant cortical pour le traitement de l’épilepsie. Ce module assure la communication entre l’implant cortical et l’unité d’acquisition externe. Cette communication supporte une vitesse maximale de 4,25 Mbit/s avec une consommation énergétique de moins de 30 mW/h. Le module fait la gestion complète de la batterie, de ses circuits de protection jusqu’à son circuit de recharge sans fil. Le système est aussi équipé d’un accéléromètre détectant les mouvements du patient ainsi que d’un capteur de température. Ce prototype se veut avant tout un banc d’essai complet permettant de valider le fonctionnement et d’optimiser la consommation énergétique du système.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.026
Threshold uncertainty score0.088

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0020.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0260.007

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.

Opus teacher head0.016
GPT teacher head0.223
Teacher spread0.207 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→French-language works237,207→