神经轨迹可以提高运动精度

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 发动机控制器的控制器

背景情况:

• 经典模型假设运动编码的单个神经元活动的线性总和.
• 最近的分析显示,随着时间的推移,运动皮层中的复杂,多维的神经活动轨迹.
• 对神经轨迹的现有解释侧重于学习和组织,而不是提高性能.

研究的目的:

• 提出和测试一个计算模型,展示神经轨迹如何提高运动精度.
• 研究神经发射速率的选择性联合激活和定时在增强运动控制中的作用.
• 将神经轨迹动态与运动执行的提高准确性联系起来.

主要方法:

• 开发了一个计算模型,灵感来自实验性的中心外到达任务.
• 为运动的神经编码创建了生理学上现实的模型.
• 利用循环神经网络来模拟下游的神经处理 (例如,脊髓,运动单元).

主要成果:

• 当结合时间变化的神经信息 (相/振幅) 时,运动的准确性更高,而不是只采用瞬时速度的模型.
• 该模型表明,精确的运动控制来自神经群体的时空招募.
• 通过选择性神经群体活动形成的独特的神经轨迹被证明可以提高运动精度.

结论:

• 精确的运动控制是通过神经群体的动态,时空招募来实现的,这些神经群体产生了不同的神经轨迹.
• 这些发现挑战了关于神经编码运动的传统线性总和模型.
• 结果提供了关于大脑网络通信的见解,用于运动规划和执行,并激发了大脑与计算机界面的改进.