MétaCan
Menu
Retour à la cohorte
Enregistrement W2165919804 · doi:10.3389/fncom.2013.00083

Motor cortical regulation of sparse synergies provides a framework for the flexible control of precision walking

2013· article· en· W2165919804 sur OpenAlexafffund
Nedialko I. Krouchev, Trevor Drew

Notice bibliographique

RevueFrontiers in Computational Neuroscience · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésComputer scienceControl (management)Motor controlFront (military)NeurosciencePsychologyArtificial intelligenceGeology

Résumé

récupéré en direct d'OpenAlex

We have previously described a modular organization of the locomotor step cycle in the cat in which a number of sparse synergies are activated sequentially during the swing phase of the step cycle (Krouchev et al., 2006). Here, we address how these synergies are modified during voluntary gait modifications. Data were analysed from 27 bursts of muscle activity (recorded from 18 muscles) recorded in the forelimb of the cat during locomotion. These were grouped into 10 clusters, or synergies, during unobstructed locomotion. Each synergy was comprised of only a small number of muscles bursts (sparse synergies), some of which included both proximal and distal muscles. Eight (8/10) of these synergies were active during the swing phase of locomotion. Synergies observed during the gait modifications were very similar to those observed during unobstructed locomotion. Constraining these synergies to be identical in both the lead (first forelimb to pass over the obstacle) and the trail (second limb) conditions allowed us to compare the changes in phase and magnitude of the synergies required to modify gait. In the lead condition, changes were observed particularly in those synergies responsible for transport of the limb and preparation for landing. During the trail condition, changes were particularly evident in those synergies responsible for lifting the limb from the ground at the onset of the swing phase. These changes in phase and magnitude were adapted to the size and shape of the obstacle over which the cat stepped. These results demonstrate that by modifying the phase and magnitude of a finite number of muscle synergies, each comprised of a small number of simultaneously active muscles, descending control signals could produce very specific modifications in limb trajectory during locomotion. We discuss the possibility that these changes in phase and magnitude could be produced by changes in the activity of neurones in the motor cortex.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,269
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Computational NeuroscienceMême sujetMotor Control and AdaptationTravaux en français237 207