Improving functional magnetic resonance imaging motor studies through simultaneous electromyography recordings
Notice bibliographique
Résumé
Specially designed optoelectronic and data postprocessing methods are described that permit electromyography (EMG) of muscle activity simultaneous with functional MRI (fMRI). Hardware characterization and validation included simultaneous EMG and event-related fMRI in 17 healthy participants during either ankle (n = 12), index finger (n = 3), or wrist (n = 2) contractions cued by visual stimuli. Principal component analysis (PCA) and independent component analysis (ICA) were evaluated for their ability to remove residual fMRI gradient-induced signal contamination in EMG data. Contractions of ankle tibialis anterior and index finger abductor were clearly distinguishable, although observing contractions from the wrist flexors proved more challenging. To demonstrate the potential utility of simultaneous EMG and fMRI, data from the ankle experiments were analyzed using two approaches: 1) assuming contractions coincided precisely with visual cues, and 2) using EMG to time the onset and offset of muscle contraction precisely for each participant. Both methods produced complementary activation maps, although the EMG-guided approach recovered more active brain voxels and revealed activity better in the basal ganglia and cerebellum. Furthermore, numerical simulations confirmed that precise knowledge of behavioral responses, such as those provided by EMG, are much more important for event-related experimental designs compared to block designs. This simultaneous EMG and fMRI methodology has important applications where the amplitude or timing of motor output is impaired, such as after stroke.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».