MétaCan
Menu
Retour à la cohorte
Enregistrement W2938863622 · doi:10.1016/j.isci.2019.04.008

Cortical Correlates of Locomotor Muscle Synergy Activation in Humans: An Electroencephalographic Decoding Study

2019· article· en· W2938863622 sur OpenAlexaff
Hikaru Yokoyama, Naotsugu Kaneko, Tetsuya Ogawa, Noritaka Kawashima, Katsumi Watanabe, Kimitaka Nakazawa

Notice bibliographique

RevueiScience · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCore Research for Evolutional Science and TechnologyJapan Science and Technology AgencyJapan Society for the Promotion of Science
Mots-clésNeuroscienceElectroencephalographyPsychologyChemistry

Résumé

récupéré en direct d'OpenAlex

Muscular control during walking is believed to be simplified by the coactivation of muscles called muscle synergies. Although significant corticomuscular connectivity during walking has been reported, the level at which the cortical activity is involved in muscle activity (muscle synergy or individual muscle level) remains unclear. Here we examined cortical correlates of muscle activation during walking by brain decoding of activation of muscle synergies and individual muscles from electroencephalographic signals. We demonstrated that the activation of locomotor muscle synergies was decoded from slow cortical waves. In addition, the decoding accuracy for muscle synergies was greater than that for individual muscles and the decoding of individual muscle activation was based on muscle-synergy-related cortical information. These results indicate the cortical correlates of locomotor muscle synergy activation. These findings expand our understanding of the relationships between brain and locomotor muscle synergies and could accelerate the development of effective brain-machine interfaces for walking rehabilitation.

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)0,003
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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 Opus0,025
Tête enseignante GPT0,288
Écart entre enseignants0,263 · 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

Citations61
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207