Cortical Areas for Planning Sequences before and during Movement
Notice bibliographique
Résumé
Production of rapid movement sequences relies on preparation before (preplanning) and during (online planning) movement. Here, we compared these processes and asked whether they recruit different cortical areas. Human participants performed three single-finger and three multifinger sequences in a delayed-movement paradigm while undergoing a 7 T functional MRI. During preparation, primary motor (M1) and somatosensory (S1) areas showed preactivation of the first movement, even without increases in overall activation. During production, the temporal summation of activity patterns corresponding to constituent fingers explained activity in these areas (M1 and S1). In contrast, the dorsal premotor cortex (PMd) and anterior superior parietal lobule (aSPL) showed substantial activation during the preparation (preplanning) of multifinger compared with single-finger sequences. These regions (PMd and aSPL) were also more active during production of multifinger sequences, suggesting that pre- and online planning may recruit the same regions. However, we observed small but robust differences between the two contrasts, suggesting distinct contributions to pre- and online planning. Multivariate analysis revealed sequence-specific representations in both PMd and aSPL, which remained stable across both preparation and production phases. Our analyses show that these areas maintain a sequence-specific representation before and during sequence production, likely guiding the execution-related areas in the production of rapid movement sequences.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».