MétaCan
Menu
Retour à la cohorte
Enregistrement W3005528060 · doi:10.1523/jneurosci.1862-19.2020

Spatially Distinct Beta-Band Activities Reflect Implicit Sensorimotor Adaptation and Explicit Re-aiming Strategy

2020· article· en· W3005528060 sur OpenAlexaff
Amirhossein Jahani, Antoine Schwey, Pierre‐Michel Bernier, Nicole Malfait

Notice bibliographique

RevueJournal of Neuroscience · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésNeurosciencePsychologyBeta RhythmAdaptation (eye)BETA (programming language)ElectroencephalographyCognitive psychologySensory systemMotor systemWeightingCommunicationComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Previous research suggests that so-called implicit and explicit processes of motor adaptation are implemented by distinct neural structures. Here we tested whether implicit sensorimotor adaptation and strategic re-aiming used to reduce movement error are reflected by spatially distinct EEG oscillatory components. We analyzed beta-band oscillations (∼13–30 Hz), which have long been linked to sensorimotor functions, at the time when these adaptive processes intervene for movement planning. We hypothesized that beta-band activity within sensorimotor regions relates to implicit adaptive processes, whereas beta-band activity within medial motor areas reflects deliberate re-aiming. In female and male human volunteers, we recorded EEG in a motor adaptation task in which a visual rotation was introduced in short series of trials separated by unperturbed trials. Participants were instructed in advance about the nature of the visual perturbation and trained to counter it by strategically re-aiming at a neighboring target. Consistent with our hypothesis, we found that preparatory beta-band activities within the two regions exhibited different patterns of modulation. Beta power in lateral central regions was attenuated when a change in the visual condition rendered internal-model predictions uncertain. In contrast, beta power in medial frontal regions was selectively decreased when participants strategically re-aimed their reaches. We propose that the reduction in lateral central beta power reflects an increased weighting of peripheral sensory information implicitly triggered when an adaptive change in the sensorimotor mapping is required, whereas the reduction in medial frontal beta-band activity relates to the inhibition of automatic motor responses in favor of cognitively controlled movements. SIGNIFICANCE STATEMENT Behavioral and modeling studies have proposed that so-called implicit and explicit components of motor adaptation recruit different neural circuits. Here, we investigated whether these different processes are reflected by spatially distinct beta-band activities. Analyzing EEG signals at the time they influence movement planning, during the foreperiod, we found that beta power within lateral central regions was decreased when a change in visual conditions required implicit sensorimotor remapping, which may reflect enhanced sensory processing when internal-model predictions are rendered uncertain. In contrast, beta-band power within medial frontal areas was selectively attenuated when participants deliberately re-aimed their movements to improve task performance, which may be associated with the inhibition of automatic motor responses in favor of cognitively controlled movements.

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)0,001
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
Métarecherche0,0000,001
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 Opus0,120
Tête enseignante GPT0,300
Écart entre enseignants0,180 · 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

Citations52
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetMotor Control and AdaptationTravaux en français237 207