Mu oscillations and motor imagery performance: A reflection of success, not ability
Notice bibliographique
Résumé
Abstract Motor imagery, or our ability to imagine movement without actually engaging in the action, has been an increasingly popular tool in rehabilitation settings. Understanding its neural underpinning is crucial for further development of new interventions. Using scalp electroencephalography (EEG), many studies have shown that mu oscillations (8-13 Hz), a variant of the alpha band recorded over the motor cortex electrodes, are involved in both the imagination and performance of movements; however, the exact relationship between mu oscillations and motor imagery is unclear. To further our understanding of the functional significance of mu oscillations and their role in both motor learning and motor performance, our study sought to investigate how suppression in mu oscillations varies during a motor imagery task according to both within subject imagery success and between subject imagery ability. We examined EEG activity while a large sample of participants performed an objective test of motor imagery ability (Test of Ability in Movement Imagery, TAMI). Results demonstrated that mu oscillatory activity significantly decreased during successful imagery trials as compared to unsuccessful ones. However, the extent of reduction in mu oscillations did not correlate with individual imagery ability. These results provide further support for the involvement of mu oscillations in motor behaviours and indicate that suppression in mu oscillations may serve as an important index for determining successful motor imagery performance within an individual. The processes that underlie this success are likely similar to those that underlie successful motor execution, given motor imagery’s proposed functional equivalence to motor imagery.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».