Neuronal correlates of tactile speed in primary somatosensory cortex
Notice bibliographique
Résumé
Moving stimuli activate all of the mechanoreceptive afferents involved in discriminative touch, but their signals covary with several parameters, including texture. Despite this, the brain extracts precise information about tactile speed, and humans can scale the tangential speed of moving surfaces as long as they have some surface texture. Speed estimates, however, vary with texture: lower estimates for rougher surfaces (increased spatial period, SP). We hypothesized that the discharge of cortical neurons playing a role in scaling tactile speed should covary with speed and SP in the same manner. Single-cell recordings (n = 119) were made in the hand region of primary somatosensory cortex (S1) of awake monkeys while raised-dot surfaces (longitudinal SPs, 2-8 mm; periodic or nonperiodic) were displaced under their fingertips at speeds of 40-105 mm/s. Speed sensitivity was widely distributed (area 3b, 13/25; area 1, 32/51; area 2, 31/43) and almost invariably combined with texture sensitivity (82% of cells). A subset of cells (27/64 fully tested speed-sensitive cells) showed a graded increase in discharge with increasing speed for testing with both sets of surfaces (periodic, nonperiodic), consistent with a role in tactile speed scaling. These cells were almost entirely confined to caudal S1 (areas 1 and 2). None of the speed-sensitive cells, however, showed a pattern of decreased discharge with increased SP, as found for subjective speed estimates in humans. Thus further processing of tactile motion signals, presumably in higher-order areas, is required to explain human tactile speed scaling.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».