Neuronal Activity Patterns in Primate Primary Motor Cortex Related to Trained or Semiautomatic Jaw and Tongue Movements
Notice bibliographique
Résumé
The present study was undertaken to determine the firing patterns and the mechanoreceptive field (RF) properties of neurons within the face primary motor cortex (face-MI) in relation to chewing and other orofacial movements in the awake monkey. Of a total of 107 face-MI neurons recorded, 73 of 74 tested had activity related to chewing and 47 of 66 neurons tested showed activity related to a trained tongue task. Of the 73 chewing-related neurons, 52 (71.2%) showed clear rhythmic activity during rhythmic chewing. A total of 32 (43.8%) also showed significant alterations in activity in relation to the swallowing of a solid food (apple) bolus. Many of the chewing-related neurons (81.8% of 55 tested) had an orofacial RF, which for most was on the tongue dorsum. Tongue protrusion was evoked by intracortical microstimulation (ICMS) at most (63.6%) of the recording sites where neurons fired during the rhythmic jaw-opening phase, whereas tongue retraction was evoked by ICMS at most (66.7%) sites at which the neurons firing during the rhythmic jaw-closing phase were recorded. Of the 47 task-related neurons, 21 of 22 (95.5%) examined also showed chewing-related activity and 29 (61.7%) demonstrated significant alteration in activity in relation to the swallowing of a juice reward. There were no significant differences in the peak firing frequency among neuronal activities related to chewing, swallowing, or the task. These findings provide further evidence that face-MI may play an important role not only in trained orofacial movements but also in chewing as well as swallowing, including the control of tongue and jaw movements that occur during the masticatory sequence.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».