机构名称：
¥ 2.0
图1：数据处理，分析和建模框架的示意图。（a） - （b）基于对每个受试者的连续视频监测，左右手腕的轨迹（腕部和腕部r（b）中的腕部）使用神经网络估算（Mathis等人。，2018年），并自动分为移动（灰色）和静止（白色）状态，如（b）中所示。（c） - （d）对原始的多电极电视学（ECOG）进行了过滤并重新引用；从进一步的分析中除去了不良电极（例如，具有伪影的电极）。（e）从视频中检测到的运动开始事件，如（b）所示，使用时间戳对齐ECOG数据。（f）对于每个电极处的每个移动事件，计算光谱功率并将其视为对数尺度频谱图。（g）总结了跨事件和电极，我们根据解剖学注册将光谱从电极投射到8个皮层区域，并在运动事件中计算了中位功率。（h）我们的数据包括12个主题；它们的电极位置显示在MNI坐标中（见图1-1，用于特定的细节）。五个受试者的电极植入了右半球（用星号表示）。为了进行以后分析的一致性，我们反映了这些电极位置，如图所示。（i）为了部分解释低频（LFB：8-32 Hz）和高频（HFB：76-100 Hz）光谱功率的事件神经变异性，我们使用从视频中提取的行为特征在每个电极上填充多个线性回归模型。
自然主义手臂运动的行为和神经变异性
主要关键词
相关文件推荐
