Two-stage regression of high-density scalp electroencephalograms visualizes force regulation signaling during muscle contraction
Notice bibliographique
Résumé
OBJECTIVE: A critical feature for the maintenance of precise skeletal muscle force production by the human brain is its ability to configure motor function activity dynamically and adaptively in response to visual and somatosensory information. Existing studies have concluded that not only the sensorimotor area but also distributed cortical areas act cooperatively in the generation of motor commands for voluntary force production to the desired level. However, less attention has been paid to such physiological mechanisms in conventional brain-computer interface (BCI) design and implementation. We proposed a new, physiologically inspired two-stage decoding method to see its contribution on accuracy improvement of BCI. APPROACH: We performed whole-head high-density scalp electroencephalographic (EEG) recording during a right finger force-matching task at three strength levels (20%, 40%, and 60% maximal voluntary contraction following a resting state). A two-stage regression approach was employed that decodes muscle contraction level from EEG signals in the multi-level force-matching task and translates them into: (1) presence/absence of muscle contraction as a first stage; and (2) muscle contraction level as a second stage. Dimensionality reduction of the EEG signals, using principal component analysis, avoided multicollinearity during multiple regression, and data-driven stepwise multiple regression identified EEG components that were involved in the multi-level force-matching task. MAIN RESULTS: An alternatively tuned two-stage regressor accurately decoded muscle contraction level with online processing rather than the conventional decoders, and identified EEG components that were related to voluntary force production. Relaxation/contraction state-dependent EEG components were localized dominantly in the contralateral parieto-temporal regions, whereas multi-level force regulation-dependent EEG components came from the fronto-parietal regions. SIGNIFICANCE: Our findings identify respective cortical signalings during relaxation/contraction and multi-level force regulation using a sensor-based approach with EEG. Simulation-based assessment of the current physiologically inspired decoding technique proved improved accuracy in online BCI control.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».