XiaoMi-AI文件搜索系统
World File Search Systemsensorimotor
社会同步行为中主观经验的感觉运动基础
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是此预印本版本的版权持有人，该版本发布于2025年2月10日。 https://doi.org/10.1101/2025.02.09.637302 doi：Biorxiv Preprint
哪些外部变量会影响感觉运动节律脑 - ...
描述基于感觉运动节律的脑机接口 (SMR-BCI) 用于获取与运动意象相关的脑信号并将其转换为机器控制命令，从而绕过通常的中枢神经系统输出。选择最佳的外部变量配置可以最大限度地提高 SMR-BCI 在健康和残疾人士中的表现。当 BCI 的目标是在严格监管的实验室环境之外的日常环境中使用时，这种性能现在尤为重要。在这篇评论文章中，我们总结并批判性地评估了当前有关外部变量对 SMR-BCI 性能的影响的知识体系。在评估 SMR-BCI 性能与外部变量之间的关系时，我们将其广泛地描述为不太依赖于 BCI 用户并且源自用户之外的元素。这些因素包括 BCI 类型、干扰因素、训练、视觉和听觉反馈、虚拟现实和磁电反馈、本体感受和触觉反馈、脑电图 (EEG) 系统组装的细致程度和 EEG 电极的定位以及记录相关伪影等因素。在这篇评论文章的最后，提出了关于外部变量对 SMR-BCI 性能影响的研究未来发展方向。我们相信，我们的评论对学术 BCI 科学家和开发人员以及在 BCI 领域工作的临床专业人员以及 SMR-BCI 用户都具有价值。
视觉和本体感受反馈对 BCI 训练期间感觉运动节律的影响
脑机接口 (BCI) 可以设计为具有多种反馈模式。为了在治疗应用中促进适当的大脑可塑性，反馈应引导用户引发所需的大脑活动，并且最好与想象的动作相似。在本研究中，我们采用脑磁图 (MEG) 测量健康受试者的神经生理变化，这些受试者使用两种不同的反馈模式进行基于运动想象 (MI) 的 BCI 训练。本研究中使用的 MI-BCI 任务持续 40-60 分钟，涉及右手或左手运动的想象。8 名受试者通过视觉反馈执行任务，14 名受试者通过本体感受反馈执行任务。我们使用广义线性模型分析了整个会话中 4-40 Hz 范围内多个频率的功率变化，以找出训练期间功率显著增加的频率。此外，还分别分析了每个梯度计的 alpha（8-13 Hz）、beta（14-30 Hz）和 gamma（30-40 Hz）波段的功率增加，以找到在整个会话期间表现出显着线性功率增加的通道。这些分析应用于三种不同的条件：休息、准备和 MI。在所有条件下，视觉反馈都增强了枕叶和左颞叶通道中主要高 beta 和 gamma 波段（24-40 Hz）的振幅。相反，在本体感受反馈期间，功率主要增加在 alpha 和 beta 波段。在所有条件下，在多个顶叶、枕叶和颞叶通道中都发现了 alpha 波段增强，而 beta 波段增加主要发生在休息和准备期间的顶叶枕叶区域，在 MI 期间发生在手部运动区域上方的顶叶通道。我们的结果表明，使用本体感受反馈的 BCI 训练会增加运动皮层中感觉运动节律的功率，而视觉反馈主要导致视觉皮层中 gamma 波段的增加。 MI-BCI 应该涉及本体感受反馈以促进运动皮层的可塑性。
在实验室外移动：在线进行感觉运动学习研究的生存能力
图1。响应视觉运动旋转的感觉运动学习。（a）视觉运动旋转任务的示意图。光标反馈（红点）相对于手的运动方向旋转，旋转的大小在各组（15°，30°，60°或90°）之间变化。半透明和纯色在学习的早期和晚期分别显示手和光标位置。（b，d）从Bond and Taylor（2015）和在线实验的实验实验中的15°（绿色），30°（黄色），60°（紫色）和90°（粉红色）旋转条件的平均手动训练。在Veridical反馈，无反馈（灰色背景）和旋转试验期间相对于目标（0°）的手（0°）提出。阴影区域表示SEM。（c，e）旋转块早期和晚期的平均手角度，以及从面对面（C）和在线（E）实验的无反馈后效应块。框图表示中位数（厚的水平线），四分位数（第1和3 rd，盒子的边缘）和极端（min and Max，垂直细线）。每个参与者的数据显示为半透明点。
篮球运球过程中的感觉运动皮层活动及其与创造力的关系
先前的研究表明，通过单侧手部运动增加某一大脑半球的活动水平有可能影响创造性表现。左手运动引起的右脑半球大脑更强烈的激活被认为可以促进创造性表现。这项研究的目的是通过加入更高级的运动任务来复制这些效果并扩展先前的发现。43 名右撇子参与者被要求分别用右手（n = 22）或左手（n = 21）运球。运球过程中，使用功能性近红外光谱（fNIRS）监测双侧感觉运动皮层的大脑活动。通过调查两组（左手运球与右手运球）并进行测量创造性表现（语言和图形发散思维任务）的前测/后测设计，检查了左半球和右半球激活对创造性表现的影响。结果表明，篮球运球无法调节创造性表现。然而，对运球过程中感觉运动皮层大脑激活模式的分析揭示出的结果与复杂运动任务期间大脑半球激活差异的结果基本一致。在右手运球时，左半球的皮质激活程度高于右半球，而左手运球时双侧皮质激活程度高于右手运球。线性判别分析的结果进一步表明，使用感觉运动活动数据可以实现较高的组分类准确率。虽然我们无法复制单侧手部运动对创造性表现的影响，但我们的结果揭示了高级运动过程中感觉运动大脑区域功能的新见解。
通过感觉运动技术来增强创伤后应激障碍疗法
1 1 阿维森医院，AP-HP，索邦纳大学巴黎诺德，巴比尼，法国2号，巴黎2学院和神经科学研究所法国4RenéDiatkine单位，法国巴黎第13座心理健康协会，法国5成人精神病学系，Impact，Mondor Hospital，AP-HP，AP-HP，Paris-Paris-EstCréteil，Créteil，法国克里斯蒂尔，法国6Brétigny-Sur-sur-Gorge 7 Institute ofCréteil，France 7 Institute france 7 Institute france 7 Institute france france 7州8 Inspiire，Inserm UMR 1319，洛林大学，南希，法国9 ADES，CNRS UMR 7268，AIX-MARSELILLILY UNIXPYSIL，MARSEILLE，MARSEILLE，法国10，CAEN NORMANDY UNISSHILY HOSTICY，CAEN NORMANDIY UNIXGYS HOSTICY，CAEN，CAEN，法国CAEN，法国，11月11日的物理病理学和成像， 1237年，诺曼底大学，法国坎恩，12个精神病学系，马萨诸塞州综合医院，美国马萨诸塞州波士顿，美国马萨诸塞州，美国13横向心理生成和心理病理学横向单位，索邦内大学巴黎诺德，法国Villetaneuse，法国14号国家弹性和疾病中心，国家杂志和疾病中心。马，美国
人类感觉运动皮层中舌头运动的详细体感定位：案例研究
尽管有大量证据表明感觉运动皮层 (SMC) [ 1 ] 存在身体部位的表征，但对该脑区更详细的运动功能的映射仍然难以实现。虽然一些人报告说 SMC 中各个手指和发音器官的体感表征是有序的 [ 2 , 3 ]，但另一些人表明这些身体部位具有重叠的神经表征 [ 4 , 5 ]，这表明身体部位内表征缺乏离散的组织。通常用于研究大脑功能的成像技术 (例如 fMRI) 不能区分关键功能和非关键功能。因此，使用这些技术观察到的活动可能表示非必要的参与，例如运动计划或前馈/传出副本。相反，皮层的电刺激只能阐明对执行大脑功能至关重要的区域，因此可以单独研究运动表征。在这里，我们在一名神经外科患者的高密度 (HD) 皮层脑电图 (ECoG) 电极网格上应用了皮质刺激，以根据舌头的 ECoG 映射来研究 SMC 上运动功能的详细表现。
基于脑电图的感觉运动脑机接口的受试者内和受试者间变异性：综述
用于运动障碍康复的脑机接口 (BCI) 利用脑电图 (EEG) 中的感觉运动节律 (SMR)。然而，支撑 SMR 的神经生理过程往往随时间和受试者的不同而变化。固有的受试者内和受试者间变异性导致数据分布的协变量偏移，从而阻碍模型参数在会话/受试者之间的可转移性。迁移学习包括基于机器学习的方法，用于补偿受试者间和会话间 (受试者内) 变异性，这些变异性表现在 EEG 衍生的特征分布中，作为 BCI 的协变量偏移。除了迁移学习方法外，最近的研究还探索了心理和神经生理预测因子以及受试者间联想性评估，这可能会增强基于 EEG 的 BCI 中的迁移学习。在这里，我们强调了测量会话间/受试者表现预测因子对于正常人和运动障碍人士的广义 BCI 框架的重要性，从而减少了繁琐和烦人的校准会话和 BCI 训练的必要性。
神经肌肉骨骼建模揭示了感觉运动皮层自适应学习的肌肉水平神经动力学
大脑的神经活动与身体的动力学密切相关。然而，我们的分层传感器系统如何动态地编排身体运动的产生，同时适应传入的感觉信息尚不清楚（1-4）。在小鼠中，整个电动机（M1）和一级感觉前肢（S1）皮质的编码程度以及在学习过程中如何形状的肌肉水平特征是未知的。为了解决这个问题，我们建立了一种新型的50肌肉模型，用于在物理模拟环境中研究运动控制和学习。我们表明，我们可以通过求解逆动力学并得出驱动相同动作的感觉运动控制模型来模仿在操纵杆任务中收集的3D四肢运动学。使用来自我们模型的内部计算，我们发现第2/3 M1和S1神经元的种群编码高级位置，以及下层的肌肉空间和前视性动力学。在自适应学习过程中，这些功能上不同的神经元映射到特定的计算基序。引人注目的是，S1神经元更突出地编码感觉运动预测错误。此外，我们发现在本课内学习期间，神经潜在动态在S1和M1中有所改变。一起，我们的结果提供了一个新的模型，讲述了皮质中神经动力学如何实现自适应学习。
爆发潜力：感觉运动β爆发如何从婴儿期到成年>
Beta活动被认为在感觉运动过程中起关键作用。然而，对于该频带中的活动如何发展知之甚少。在这里，我们研究了从婴儿期到成年期的感觉运动β活性的发育轨迹。，我们从9个月大，12个月大的成年人（男性和女性）中记录了脑电图，同时他们观察并执行了抓握运动。我们使用一种结合时间频分解和主成分分析的新方法分析了“β爆发”活性。然后，我们检查了沿所选主组件的突发速率和波形基序的变化。我们的结果揭示了在跨部门执行过程中β活动的系统变化。我们发现，在所有年龄段的运动执行过程中，β爆发率下降，成年人观察到最大的下降。此外，我们确定了三个主要组件，这些组件定义了在整个试验过程中系统地改变的波形图案。我们发现，波形形状更接近中间波形的爆发不是速率调节的，而波形形状远离中位数的爆发则差异速率调节。有趣的是，某些爆发基序的速率降低发生在运动过程中早期发生，并且在成年人中比婴儿更偏侧，这表明特定类型的β爆发的速率调节速度随着年龄的增长而变得越来越完善。