Using neurofeedback from motor cortex to reduce tremor in essential tremor
Notice bibliographique
Résumé
Elusive to a cause, Essential Tremor (ET) has been classified as the most common adult movement disorder. Current research suggests that ET may be centrally driven and stem from an oscillating neural network involving motor cortex and subcortical regions. ET is typically treated through costly, invasive methods to disrupt this oscillating network by targeting subcortical regions within the brain. Another, non-invasive, method which may disrupt this same network is neurofeedback (NF). Using real-time representation of activity in the brain, NF is a technique which encourages the user to self-manipulate their own brain activity. However, many people have difficulty controlling the NF signal. Current research lacks a determinant of who can and cannot use NF successfully. To that end, the purpose of this study is to determine whether individuals diagnosed with ET are capable of manipulating power of the theta and beta (4:8hz, and 12-15hz) frequency bands using NF. Participants were given audio feedback, through headphones, to train them to enhance and suppress a theta/beta ratio, in separate sessions, using EEG recorded over motor cortex. During each session participants underwent, eight, three-minute blocks of NF. Tremor was recorded pre and post training using accelerometers. Similar to previous work using other patient populations and healthy controls, there were individual differences in the ET patients who were able to control the NF signal. Exploring these individual differences provides a basis of knowledge for future NF studies to explore the impact of using longer training protocols to reduce tremor in patients with ET.Acknowledgments: Nova Scotia Health Research Foundation
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 | 0,001 |
| 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) | 0,002 | 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 ».