Premotor Correlates of Integrated Feedback Control for Eye–Head Gaze Shifts
Notice bibliographique
Résumé
Simple activities like picking up the morning newspaper or catching a ball require finely coordinated movements of multiple body segments. How our brain readily achieves such kinematically complex yet remarkably precise multijoint movements remains a fundamental and unresolved question in neuroscience. Many prevailing theoretical frameworks ensure multijoint coordination by means of integrative feedback control. However, to date, it has proven both technically and conceptually difficult to determine whether the activity of motor circuits is consistent with integrated feedback coding. Here, we tested this proposal using coordinated eye-head gaze shifts as an example behavior. Individual neurons in the premotor network that command saccadic eye movements were recorded in monkeys trained to make voluntary eye-head gaze shifts. Head-movement feedback was experimentally controlled by unexpectedly and transiently altering the head trajectory midflight during a subset of movements. We found that the duration and dynamics of neuronal responses were appropriately updated following head perturbations to preserve global movement accuracy. Perturbation-induced increases in gaze shift durations were accompanied by equivalent changes in response durations so that neuronal activity remained tightly synchronized to gaze shift offset. In addition, the saccadic command signal was updated on-line in response to head perturbations applied during gaze shifts. Nearly instantaneous updating of responses, coupled with longer latency changes in overall discharge durations, indicated the convergence of at least two levels of feedback. We propose that this strategy is likely to have analogs in other motor systems and provides the flexibility required for fine-tuning goal-directed movements.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».