Identification of beta burst patterns underlying simultaneous transcranial alternating current stimulation
Notice bibliographique
Résumé
Abstract Introduction: Beta bursts represent transient high-power brain waves within the beta frequency band. Previous studies have reported that beta bursts are closely associated with motor function [1]. Moreover, transcranial alternating current stimulation (tACS), a non-invasive brain stimulation technique, has been reported to be able to improve motor performance [2]. However, how tACS modulate beta burst patterns is still unclear. Therefore, the objective of the present study is to investigate changes in beta burst patterns underlying simultaneously applied tACS. Method: The dataset we used was provided by Dr. Noury from University of Tuebingen [3]. We used EEG recordings underlying 62Hz tACS for data analysis. To extract beta burst, we first band-pass filtered the EEG data within the beta frequency band (13 – 30Hz). Then, 75 percent of the average envelope of EEG signals under the sham stimulation condition was used as the threshold for burst detection. Finally, three recording electrodes covering the right motor cortex area and three burst features were analyzed to investigate the modulatory effects of gamma band tACS on beta burst patterns: burst number per trial, burst duration and burst amplitude. Results: During 62Hz tACS, more bursts along with larger burst amplitude were detected compared to the sham group (Figure 1A & C). However, duration of burst was reduced by 62Hz tACS (Figure 1B). Conclusion: In the present study, we investigated the changes in burst patterns underlying simultaneous 62Hz tACS. We showed that gamma band tACS can induced more bursts with larger amplitudes, though these bursts tend to be of shorter duration. This may imply that gamma tACS can excite more neurons to the firing state with larger spikes. Keywords: tACS, EEG, Beta burst, Motor function
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 | 0,001 |
| 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) | 0,000 | 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 ».