打击不可识别性以推断运动皮层输入的结果是初始和纠正运动的类似编码

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
• 计算神经科学是一种神经科学.

背景情况:

• 主要运动皮层 (M1) 对于自愿运动执行至关重要.
• 了解M1如何整合感官反来进行在线运动校正仍然是一个挑战.
• 现有的模型很难将内在的神经动力学与外部影响分开.

研究的目的:

• 研究主要运动皮质 (M1) 如何在运动过程中整合感官驱动的纠正指令.
• 区分M1人口活动中的内在神经动态和外部输入.
• 用模型集合评估推断的神经输入的可识别性.

主要方法:

• 种群活动从M1记录在中执行一个连续的手臂运动任务与目标更新.
• 通过动态系统 (LFADS) 进行隐性因素分析,将神经活动分为内在动态和推断的外部输入.
• 用各种超参数的模型合集来诊断输入识别性.

主要成果:

• 推断的外部输入对目标外观的时间锁定比运动开始更强,这表明它们在规划调整中的作用.
• 推断输入显示了初始和纠正运动的类似调,表明共享的编码机制.
• 模型集合产生了一致的结果,表明了对输入的有意义的推断,并减轻了对模型偏差的担忧.

结论:

• 外部输入,而不是仅仅是内在的动态,在指导M1的运动规划和在线校正方面发挥着重要作用.
• 推断输入的定时和调整提供了关于感官信息如何集成到自适应式运动控制中的见解.
• 模型合集提供了一种有价值的方法来解决从人口活动中推断神经输入的不可识别性挑战.