On identifying kinematic and muscle synergies: a comparison of matrix factorization methods using experimental data from the healthy population
Notice bibliographique
Résumé
Human motor behavior is highly goal directed, requiring the central nervous system to coordinate different aspects of motion generation to achieve the motion goals. The concept of motor synergies provides an approach to quantify the covariation of joint motions and of muscle activations, i.e., elemental variables, during a task. To analyze goal-directed movements, factorization methods can be used to reduce the high dimensionality of these variables while accounting for much of the variance in large data sets. Three factorization methods considered in this paper are principal component analysis (PCA), nonnegative matrix factorization (NNMF), and independent component analysis (ICA). Bilateral human reaching data sets are used to compare the methods, and advantages of each are presented and discussed. PCA and NNMF had a comparable performance on both EMG and joint motion data and both outperformed ICA. However, NNMF's nonnegativity condition for activation of basis vectors is a useful attribute in identifying physiologically meaningful synergies, making it a more appealing method for future studies. A simulated data set is introduced to clarify the approaches and interpretation of the synergy structures returned by the three factorization methods. NEW & NOTEWORTHY: Literature on comparing factorization methods in identifying motor synergies using numerically generated, simulation, and muscle activation data from animal studies already exists. We present an empirical evaluation of the performance of three of these methods on muscle activation and joint angles data from human reaching motion: principal component analysis, nonnegative matrix factorization, and independent component analysis. Using numerical simulation, we also studied the meaning and differences in the synergy structures returned by each method. The results can be used to unify approaches in identifying and interpreting motor synergies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».