Detecting task-dependent modulation of spatiotemporal module via tensor decomposition: application to kinematics and EMG data for walking and running at various speed
Notice bibliographique
Résumé
Abstract How the central nervous system (CNS) controls many joints and muscles is a fundamental question in motor neuroscience and related research areas. An attractive hypothesis is the module hypothesis: the CNS controls groups of joints or muscles (i.e., spatial modules) while providing time-varying motor commands (i.e., temporal modules) to the spatial modules rather than controlling each joint or muscle separately. Another fundamental question is how the CNS generates numerous repertories of movement patterns. One hypothesis is that the CNS modulates the spatial and/or temporal modules depending on the required tasks. It is thus essential to quantify the spatial module, the temporal module, and the task-dependent modulation of those modules. Although previous methods attempted to quantify these aspects, they considered the modulation in only the spatial or temporal module. These limitations were possibly due to the constraints inherent to conventional methods for quantifying the spatial and temporal modules. Here, we demonstrate the effectiveness of tensor decomposition in quantifying the spatial module, the temporal module, and the task-dependent modulation of these modules without such limitations. We further demonstrate that the tensor decomposition provides a new perspective on the task-dependent modulation of spatiotemporal modules: in switching from walking to running, the CNS modulates the peak timing in the temporal module while recruiting proximal muscles in the corresponding spatial module. Author summary There are at least two fundamental questions in motor neuroscience and related research areas: 1) how does the central nervous system (CNS) control many joints and muscles and 2) how does the CNS generate numerous repertories of movement patterns. One possible answer to question 1) is that the CNS controls groups of joints or muscles (i.e., spatial modules) while providing time-varying motor commands (i.e., temporal modules) to the spatial modules rather than controlling each joint or muscle separately. One possible answer to question 2) is that the CNS modulates the spatial and/or temporal module depending on the required tasks. It is thus essential to quantify the spatial module, the temporal module, and the task-dependent modulation of those modules. Here, we demonstrate the effectiveness of tensor decomposition in quantifying the modules and those task-dependent modulations while overcoming the shortcomings inherent to previous methods. We further show that the tensor decomposition provides a new perspective on how the CNS switches between walking and running. The CNS modulated the peak timing in the temporal module while recruiting proximal muscles in the corresponding spatial module.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».