Neural Engagement in Motor Imagery EEG Analysis of Active vs. Guided Commands in Post-Stroke Patients
Notice bibliographique
Résumé
Stroke severely impairs hand function, particularly in patients with low Fugl-Meyer hand subscores, where both motor and cognitive deficits challenge rehabilitation. This study aimed to compare neural engagement under different motor imagery (MI) command modalities to optimize brain–computer interface (BCI) rehabilitation strategies. Six post-stroke patients performed hand-focused MI tasks within a five-class paradigm under two conditions: direct command (explicit cues) and active calculation (self-derived MI). Electroencephalography (EEG) was used to assess neural activity through Movement-Related Cortical Potentials (MRCPs) and Event-Related Desynchronization (ERD) in the alpha and beta bands. Direct commands elicited earlier MRCP onset, stronger negative amplitudes, and more sustained ERD compared to the delayed and attenuated responses under active calculation. These findings indicate that structured cues facilitate more robust motor cortex activation, while cognitively demanding tasks may hinder consistent engagement. Direct commands appear more effective in eliciting neural activation for stroke patients with severe impairments, suggesting that reducing cognitive load enhances rehabilitation potential. Clinically, adapting BCI command strategies to patients’ cognitive capacities may improve outcomes, and future work should explore hybrid approaches that balance accessibility with cognitive engagement.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».