神经振荡机制是步骤精度的基础:集成微态细分与eLORETA独立组件分析
Kohei Okuyama1,2, Kota Maeda2, Ryosuke Yamauchi2
1Department of Physical Therapy, School of Health Sciences, Bukkyo University, Kyoto 604-8418, Japan.
Brain sciences
|May 1, 2025
概括
精确的步行依赖于大脑网络,前带皮质 (ACC) 对于监控至关重要. 在ACC和其他大脑区域中增强的甲基活动区分出高表现者,告知防摔策略.
科学领域:
- 神经科学是一个神经科学.
- 发动机控制器的控制器
- 脑部成像 脑部成像
背景情况:
- 精确的步行对于流动性至关重要,而缺陷会增加老年人和患有神经疾病的人的跌倒风险.
- 了解控制步进精度的皮质网络对于开发干预措施至关重要.
研究的目的:
- 通过使用先进的神经成像技术,研究基于步进精度的皮质网络.
- 识别与高低步表现相关的大脑活动模式.
主要方法:
- 使用移动电脑图 (EEG) 精确低分辨率电磁断层扫描 - 独立组件分析 (eLORETA-ICA) 和微状态细分分析 (MSA).
- 分析了16名健康男性参与者执行精确步行任务的数据,通过误差距量化性能.
- 根据他们的步骤准确性,将参与者分为高和低绩效组.
主要成果:
- 确定了七个不同的微状态集群,前带皮层 (ACC) 显示的可能性最高.
- 高表现的个体在ACC中表现出放大了甲基频段活动,并在前和后中心中增加了活动.
- 在高性能体验者中观察到对中心叶片中抑制的mu和β频段活动.
结论:
- 步骤精度由分布式神经网络介导,ACC在性能监测中发挥着关键作用.
- 提出了一个综合框架,包括错误监测 (ACC),感觉运动集成 (近中心叶片) 和视觉空间处理 (前,部区域).
- 突出了神经振荡机制在精确运动控制中的重要性,为康复和防摔提供了洞察力.
