研究听觉线索在调节运动时间中的作用:来自EEG和深度学习的见解
Ali Rahimpour Jounghani1, Kristina C Backer2, Amirali Vahid1
1Computational Brain Research and Intervention (C-BRAIN) Laboratory, Department of Psychiatry and Behavioral Sciences, C-Brain Lab, School of Medicine, Stanford University, 1520 Page Mill Rd, Palo Alto, CA 94304, United States.
Cerebral cortex (New York, N.Y. : 1991)
|October 30, 2024
概括
听觉线索对于在手指敲击任务中精确的运动定时至关重要. 对脑电图 (EEG) 数据的深度学习分析显示,神经活动可以区分节奏和自定时的运动,但只有听觉输入.
科学领域:
- 神经科学是一个神经科学.
- 传感器运动控制控制器
- 认知心理学 认知心理学
背景情况:
- 基于行动的时间是感官运动协调的基础.
- 了解运动时间的神经基础,特别是响应听觉线索,是必不可少的.
- 手指敲击任务是研究运动时间的常见范式.
研究的目的:
- 为了研究在同步和同步的手指敲击过程中基于行动的定时的基础上的神经机制.
- 探索电脑电图 (EEG) 活动如何在听觉节奏和自律 (延续) 运动时间之间有所不同.
- 评估深度学习在分类单一试验EEG数据中的有效性,以预测运动时间.
主要方法:
- 十二名健康的参与者执行了一项指头敲击的延续任务,交替进行计表仪节奏和自动节奏延续.
- 在整个任务中记录了脑电图 (EEG) 数据.
- 深度学习模型被用来分类单一试验的EEG数据,并预测行为时间条件.
主要成果:
- 在区分节奏和连续阶段方面,在分类准确度上取得了显著的成就,尤其是在有听觉线索的情况下.
- 从EEG数据中删除听觉组件使阶段差异化无法确定,突出显示了听觉输入的作用.
- 平均准确度异步 (时机错误) 是性能变化的更好的预测因素,而不是响应间隔.
结论:
- 听觉线索在调节运动时间行为的过程中起着至关重要的作用.
- 仅与运动激活相关的神经活动的隔离在没有听觉刺激的情况下是具有挑战性的.
- 深度学习在运动神经科学中为分析复杂的单一试验EEG数据提供了一个强大的工具.
