MétaCan
Menu
Retour à la cohorte
Enregistrement W2781512813 · doi:10.1523/jneurosci.2798-17.2017

The Role of Human Primary Motor Cortex in the Production of Skilled Finger Sequences

2018· article· en· W2781512813 sur OpenAlexafffund
Atsushi Yokoi, Spencer A. Arbuckle, Jörn Diedrichsen

Notice bibliographique

RevueJournal of Neuroscience · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensOntario Brain InstituteWestern University
Organismes subventionnairesJapan Society for the Promotion of ScienceCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaFondation Brain CanadaJames S. McDonnell Foundation
Mots-clésNeocortexPrimary motor cortexFunctional magnetic resonance imagingPremotor cortexMotor cortexMovement (music)NeurosciencePsychologyRepresentation (politics)Supplementary motor areaSequence (biology)Motor imageryCommunicationBiologyElectroencephalographyBrain–computer interfaceStimulationAnatomy

Résumé

récupéré en direct d'OpenAlex

Human primary motor cortex (M1) is essential for producing dexterous hand movements. Although distinct subpopulations of neurons are activated during single-finger movements, it remains unknown whether M1 also represents sequences of multiple finger movements. Using novel multivariate functional magnetic resonance imaging (fMRI) analysis techniques and combining evidence from both 3T and 7T fMRI data, we found that after 5 d of intense practice, premotor and parietal areas encoded the different movement sequences. There was little or no evidence for a sequence representation in M1. Instead, activity patterns in M1 could be fully explained by a linear combination of patterns for the constituent individual finger movements, with the strongest weight on the first finger of the sequence. Using passive replay of sequences, we show that this first-finger effect is due to neuronal processes involved in the active execution, rather than to a hemodynamic nonlinearity. These results suggest that M1 receives increased input from areas with sequence representations at the initiation of a sequence, but that M1 activity itself relates to the execution of component finger presses only. These results improve our understanding of the representation of finger sequences in the human neocortex after short-term training and provide important methodological advances for the study of long-term skill development. SIGNIFICANCE STATEMENT There is clear evidence that human primary motor cortex (M1) is essential for producing individuated finger movements, such as pressing a button. Over and above its involvement in movement execution, it is less clear whether M1 also plays a role in learning and controlling sequences of multiple finger movements, such as when playing the piano. Using cutting-edge multivariate fMRI analysis and carefully controlled experiments, we demonstrate here that, while premotor areas clearly show a sequence representation, activity patterns in M1 can be fully explained from the patterns for individual finger movements. The results provide important new insights into the interplay of M1 and premotor cortex for learning of sequential movements.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,275
Écart entre enseignants0,247 · 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'étudeObservationnel
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

Citations137
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetMotor Control and AdaptationTravaux en français237 207