Modeling of Muscle Motor Unit Innervation Process Correlation and Common Drive
Notice bibliographique
Résumé
Concurrently active motor units (MUs) of a given muscle can exhibit a certain degree of synchronous firings, and a certain degree of common variation in their firing rates. The former property is referred to as motor unit synchrony in the literature, which is termed motor unit innervation process (MUIP) correlation in this study. The latter is referred to as motor unit common drive and can be quantified by the common drive coefficient, which is the correlation coefficient between the smoothed firing rates of the two MUs. Both properties have important roles and implications in the generation and resulting characteristics of the myoelectric signal and for the development of signal processing algorithms in myoelectric signal (MES) applications. In order to study these implications and characteristics, in this paper estimation procedures are developed to quantify the degree of MUIP correlation and common drive as functions of physiological parameters. Also, the interaction between MUIP correlation and motor unit common drive is studied in a physiologically realistic simulation model. Neurons modeled by Hodgkin-Huxley systems form the framework of the simulation model in which excitation and synaptic characteristics can be modified. MUIP correlation and common drive degree and interaction are studied through a number of simulations. To support the simulation results, experimental in vivo motor unit trains were collected at low levels of contraction from 11 subjects, and decomposed into the constituent unit trains giving 50 concurrently active motor unit pairs. The simulation demonstrated that the innervation process correlation coefficient is controlled primarily by the postsynaptic conductance, gsyn, and was less than 0.05 mS/cm2 for realistic values of gsyn. The common drive was found to be controlled by the exciting neuron input with no statistically significant interaction between it and the MUIP correlation. The experimental data gave results in close agreement with those of the simulation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».