MétaCan
Menu
Retour à la cohorte
Enregistrement W2234885283 · doi:10.3389/fncom.2015.00154

An Assessment of Six Muscle Spindle Models for Predicting Sensory Information during Human Wrist Movements

2016· article· en· W2234885283 sur OpenAlexafffund
Puja Malik, Nuha Jabakhanji, Kelvin E. Jones

Notice bibliographique

RevueFrontiers in Computational Neuroscience · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesInstitute of Neurosciences, Mental Health and AddictionAlberta Heritage Foundation for Medical ResearchFondation pour la Recherche MédicaleCanadian Institutes of Health ResearchAlberta Innovates - Health SolutionsWhitaker International Program
Mots-clésWristSensory systemComputer sciencePhysical medicine and rehabilitationNeuroscienceArtificial intelligencePsychologyMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The muscle spindle is an important sensory organ for proprioceptive information, yet there have been few attempts to use Shannon information theory to quantify the capacity of human muscle spindles to encode sensory input. METHODS: Computer simulations linked kinematics, to biomechanics, to six muscle spindle models that generated predictions of firing rate. The predicted firing rates were compared to firing rates of human muscle spindles recorded during a step-tracking (center-out) task to validate their use. The models were then used to predict firing rates during random movements with statistical properties matched to the ergonomics of human wrist movements. The data were analyzed for entropy and mutual information. RESULTS: Three of the six models produced predictions that approximated the firing rate of human spindles during the step-tracking task. For simulated random movements these models predicted mean rates of 16.0 ± 4.1 imp/s (mean ± SD), peak firing rates <50 imp/s and zero firing rate during an average of 25% of the movement. The average entropy of the neural response was 4.1 ± 0.3 bits and is an estimate of the maximum information that could be carried by muscles spindles during ecologically valid movements. The information about tendon displacement preserved in the neural response was 0.10 ± 0.05 bits per symbol; whereas 1.25 ± 0.30 bits per symbol of velocity input were preserved in the neural response of the spindle models. CONCLUSIONS: Muscle spindle models, originally based on cat experiments, have predictive value for modeling responses of human muscle spindles with minimal parameter optimization. These models predict more than 10-fold more velocity over length information encoding during ecologically valid movements. These results establish theoretical parameters for developing neuroprostheses for proprioceptive function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,509
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,306
Écart entre enseignants0,272 · 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 tête enseignante, 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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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