Entropy in Electroencephalographic Signals Modulates with Force Magnitude During Grasping – A Preliminary Report
Notice bibliographique
Résumé
The ability to hold objects relies on neural processes underlying grip force control during grasping. Brain activity lateralized to contralateral hemisphere averaged over trials is associated with grip force applied on an object. However, the involvement of neural variability within-trial during grip force control remains unclear. We examined dependence of neural variability over frontal, central, and parietal regions of interest (ROI) on grip force magnitude using noninvasive electroencephalography (EEG). We utilized our existing EEG dataset comprised of healthy young adults performing an isometric force control task, cued to exert 5, 10, or 15% of their maximum voluntary contraction (MVC) across trials and received visual feedback of their grip force. We quantified variability in EEG signal via sample entropy (sequence-dependent) and standard deviation (sequence-independent measure) over ROI. We found lateralized modulation in EEG sample entropy with force magnitude over central electrodes but not over frontal or parietal electrodes. However, modulation was not observed for standard deviation in the EEG activity. These findings highlight lateralized and spatially constrained modulation in sequence-dependent, but not sequence-independent component of EEG variability. We contextualize these findings in applications requiring finer precision (e.g., prosthesis), and propose directions for future studies investigating role of neural entropy in behavior.
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 | 0,001 | 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 ».