Coding of position by simultaneously recorded sensory neurones in the cat dorsal root ganglion
Notice bibliographique
Résumé
Muscle, cutaneous and joint afferents continuously signal information about the position and movement of individual joints. How does the nervous system extract more global information, for example about the position of the foot in space? To study this question we used microelectrode arrays to record impulses simultaneously from up to 100 discriminable nerve cells in the L6 and L7 dorsal root ganglia (DRG) of the anaesthetized cat. When the hindlimb was displaced passively with a random trajectory, the firing rate of the neurones could be predicted from a linear sum of positions and velocities in Cartesian (x, y), polar or joint angular coordinates. The process could also be reversed to predict the kinematics of the limb from the firing rates of the neurones with an accuracy of 1-2 cm. Predictions of position and velocity could be combined to give an improved fit to limb position. Decoders trained using random movements successfully predicted cyclic movements and movements in which the limb was displaced from a central point to various positions in the periphery. A small number of highly informative neurones (6-8) could account for over 80% of the variance in position and a similar result was obtained in a realistic limb model. In conclusion, this work illustrates how populations of sensory receptors may encode a sense of limb position and how the firing of even a small number of neurones can be used to decode the position of the limb in space.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».