Neural circuits activated by error amplification and haptic guidance training techniques during performance of a timing-based motor task by healthy individuals
Notice bibliographique
Résumé
To promote motor learning, robotic devices have been used to improve subjects' performance by guiding desired movements (haptic guidance-HG) or by artificially increasing movement errors to foster a more rapid learning (error amplification-EA). To better understand the neurophysiological basis of motor learning, a few studies have evaluated brain regions activated during EA/HG, but none has compared both approaches. The goal of this study was to investigate using fMRI which brain networks were activated during a single training session of HG/EA in healthy adults learning to play a computerized pinball-like timing task. Subjects had to trigger a robotic device by flexing their wrist at the correct timing to activate a virtual flipper and hit a falling ball towards randomly positioned targets. During training with HG/EA, subjects' timing errors were decreased/increased, respectively, by the robotic device to delay or accelerate their wrist movement. The results showed that at the beginning of the training period with HG/EA, an error-detection network, including cerebellum and angular gyrus, was activated, consistent with subjects recognizing discrepancies between their intended actions and the actual movement timing. At the end of the training period, an error-detection network was still present for EA, while a memory consolidation/automatization network (caudate head and parahippocampal gyrus) was activated for HG. The results indicate that training movement with various kinds of robotic input relies on different brain networks. Better understanding the neurophysiological underpinnings of brain processes during HG/EA could prove useful for optimizing rehabilitative movement training for people with different patterns of brain damage.
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 | 0,000 | 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 | 0,000 |
| 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 ».