Limb-state feedback from ensembles of simultaneously recorded dorsal root ganglion neurons
Notice bibliographique
Résumé
Functional electrical stimulation (FES) holds great potential for restoring motor functions after brain and spinal cord injury. Currently, most FES systems are under simple finite state control, using external sensors which tend to be bulky, uncomfortable and prone to failure. Sensory nerve signals offer an interesting alternative, with the possibility of continuous feedback control. To test feasibility, we recorded from ensembles of sensory neurons with microelectrode arrays implanted in the dorsal root ganglion (DRG) of walking cats. Limb position and velocity variables were estimated accurately (average R2 values >0.5) over a range of walking speeds (0.1-0.5 m s(-1)) using a linear combination of firing rates from 10 or more neurons. We tested the feasibility of sensory control of intraspinal FES by recording from DRG neurons during hindlimb movements evoked by intraspinal microstimulation of the lumbar spinal cord in an anesthetized cat. Although electrical stimulation generated artifacts, this problem was overcome by detecting and eliminating events that occurred synchronously across the array of microelectrodes. The sensory responses to limb movement could then be measured and decoded to generate an accurate estimate of the limb state. Multichannel afferent recordings may thus provide FES systems with the feedback needed for adaptive control and perturbation compensation, though long-term stability remains a challenge.
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 ».