Sensory control of normal movement and of movement aided by neural prostheses
Notice bibliographique
Résumé
Signals from sensory receptors in muscles and skin enter the central nervous system (CNS), where they contribute to kinaesthesia and the generation of motor commands. Many lines of evidence indicate that sensory input from skin receptors, muscle spindles and Golgi tendon organs play the predominant role in this regard. Yet in spite of over 100 years of research on this topic, some quite fundamental questions remain unresolved. How does the CNS choose to use the ability to control muscle spindle sensitivity during voluntary movements? Do spinal reflexes contribute usefully to load compensation, given that the feedback gain must be quite low to avoid instability? To what extent do signals from skin stretch receptors contribute? This article provides a brief review of various theories, past and present, that address these questions. To what extent has the knowledge gained resulted in clinical applications? Muscles paralyzed as a result of spinal cord injury or stroke can be activated by electrical stimulation delivered by neuroprostheses. In practice, at most two or three sensors can be deployed on the human body, providing only a small fraction of the information supplied by the tens of thousands of sensory receptors in animals. Most of the neuroprostheses developed so far do not provide continuous feedback control. Instead, they switch from one state to another when signals from their one or two sensors meet pre-set thresholds (finite state control). The inherent springiness of electrically activated muscle provides a crucial form of feedback control that helps smooth the resulting movements. In spite of the dissimilarities, parallels can be found between feedback control in neuroprostheses and in animals and this can provide surprising insights in both directions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 tête enseignante, 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 ».