An IC-PLS Framework for Group Corticomuscular Coupling Analysis
Notice bibliographique
Résumé
Corticomuscular coupling analysis, i.e., examining the relations between simultaneously recorded brain (e.g., electroencephalography--EEG) and muscle (e.g., electro-myography-EMG) signals, is a useful tool for understanding aspects of human motor control. Traditionally, the most popular method to assess corticomuscular coupling has been the pairwise magnitude-squared coherence (MSC) between EEG and concomitant EMG recordings. In this paper, we propose assessing corticomuscular coupling by combining partial least squares (PLS) and independent component analysis (ICA), which addresses many of the limitations of MSC, such as difficulty in robustly assessing group inference and relying on the biologically implausible assumption of pairwise interaction between brain and muscle recordings. In the proposed framework, response relevance and statistical independence are jointly incorporated into a multiobjective optimization function to meaningfully combine the goals of PLS and ICA under the same mathematical umbrella. Simulations, performed under realistic assumptions, illustrated the utility of such an approach. The method was extended to address intersubject variability to robustly discover common corticomuscular coupling patterns across subjects. We then applied the proposed framework to concurrent EEG and EMG data collected in a Parkinson's disease (PD) study. The results from applying the proposed technique revealed temporal components in the EEG and EMG that were significantly correlated with one another. In addition to the expected motor areas, the corresponding spatial activation patterns demonstrated enhanced occipital connectivity in PD subjects, consistent with previous studies suggesting that PD subjects rely excessively on visual information to counteract the deficiency in being able to generate internal commands from their affected basal ganglia.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».