Mapping the Integration of Sensory Information across Fingers in Human Sensorimotor Cortex
Notice bibliographique
Résumé
The integration of somatosensory signals across fingers is essential for dexterous object manipulation. Previous experiments suggest that this integration occurs in neural populations in the primary somatosensory cortex (S1). However, the integration process has not been fully characterized, as previous studies have mainly used 2-finger stimulation paradigms. Here, we addressed this gap by stimulating all 31 single-and multifinger combinations. We measured population-wide activity patterns evoked during finger stimulation in human S1 and primary motor cortex (M1) using 7T fMRI in female and male participants. Using multivariate fMRI analyses, we found clear evidence of unique nonlinear interactions between fingers. In Brodmann area (BA) 3b, interactions predominantly occurred between pairs of neighboring fingers. In BA 2, however, we found equally strong interactions between spatially distant fingers, as well as interactions between finger triplets and quadruplets. We additionally observed strong interactions in the hand area of M1. In both M1 and S1, these nonlinear interactions did not reflect a general suppression of overall activity, suggesting instead that the interactions we observed reflect rich, nonlinear integration of sensory inputs from the fingers. We suggest that this nonlinear finger integration allows for a highly flexible mapping from finger sensory inputs to motor responses that facilitates dexterous object manipulation.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».