Method Article

Progettazione e utilizzo di un apparatus per la presentazione di oggetti afferbenati nell'area di lavoro 3D

DOI:

10.3791/59932

⸱

August 8th, 2019

 ,  ,  ,  ,  ,  ,  , 
1Qiushi Academy for Advanced Studies, Zhejiang University, 2Department of Biomedical Engineering, Zhejiang University, 3Key Laboratory of Biomedical Engineering of Ministry of Education, Zhejiang University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Presentato qui è un protocollo per costruire un apparato automatico che guida una scimmia per eseguire il compito flessibile reach-to-grasp. L'apparecchio combina un dispositivo di traslazione 3D e una tabella di tornitura per presentare più oggetti in una posizione arbitraria nello spazio 3D.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Raggiungere e afferrare sono movimenti altamente accoppiati, e le loro dinamiche neurali sottostanti sono state ampiamente studiate nell'ultimo decennio. Per distinguere le codifiche di raggiungere e afferrare le codifiche, è essenziale presentare identità di oggetti diverse indipendentemente dalle loro posizioni. Qui è presentato il design di un apparato automatico che viene assemblato con una tabella di tornitura e un dispositivo traslazionale tridimensionale (3D) per raggiungere questo obiettivo. La tabella di tornitura consente di passare da diversi oggetti corrispondenti a diversi tipi di grip, mentre il dispositivo di traslazione 3D trasporta la tabella di tornitura nello spazio 3D. Entrambi sono guidati in modo indipendente dai motori in modo che la posizione di destinazione e l'oggetto siano combinati arbitrariamente. Nel frattempo, la traiettoria del polso e i tipi di grip vengono registrati rispettivamente tramite il sistema di acquisizione del movimento e i sensori touch. Inoltre, vengono descritti i risultati rappresentativi che dimostrano con successo la scimmia addestrata utilizzando questo sistema. Si prevede che questo apparato faciliterà i ricercatori a studiare la cinematica, i principi neurali e le interfacce cervello-macchina legate alla funzione degli arti superiori.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sono stati sviluppati vari apparati per studiare i principi neurali alla base del movimento di raggiungimento e presa in primati non umani. Nel raggiungere le attività, touch screen1,2, cursore dello schermo controllato da un joystick3,4,5,6,7, e la tecnologia di realtà virtuale8 , 9 (in vie , 10 sono stati tutti impiegati per presentare obiettivi 2D e 3D, rispettivamente. Per introdurre diversi tipi di grip, oggetti di forma diversa fissati in una posizione o ruotanti intorno a un asse sono stati ampiamente utilizzati nelle attività di presa11,12,13. Un'alternativa consiste nell'utilizzare segnali visivi per informare i soggetti a cogliere lo stesso oggetto con diversi tipi di grip14,15,16,17. Più recentemente, i movimenti di raggiungimento e presa sono stati studiati insieme (cioè i soggetti raggiungono molteplici posizioni e afferrano con diversi tipi di impugnatura in una sessione sperimentale)18,19,20, 21,22,23,24,25,26,27,28,29. I primi esperimenti hanno presentato gli oggetti manualmente, che inevitabilmente portano a basso tempo e precisione spaziale20,21. Per migliorare la precisione sperimentale e risparmiare manodopera, sono stati ampiamente utilizzati i dispositivi di presentazione automatica controllati dai programmi. Per variare la posizione di destinazione e il tipo di grip, gli sperimentatori hanno esposto più oggetti contemporaneamente, ma la posizione relativa (o assoluta) dei bersagli e i tipi di grip sono legati tra loro, il che causa modelli di cottura rigidi tramite l'addestramento a lungo termine22 ,27,28. Gli oggetti sono di solito presentati in un piano 2D, che limita la diversità di raggiungere il movimento e l'attività neurale19,25,26. Recentemente, realtà virtuale24 e braccio robot23,29 sono stati introdotti per presentare gli oggetti nello spazio 3D.

Qui sono presentati protocolli dettagliati per la costruzione e l'utilizzo di un apparato automatizzato30 che può ottenere qualsiasi combinazione di più posizioni di destinazione e tipi di grip nello spazio 3D. Abbiamo progettato un tavolo di tornitura per passare da oggetti e un dispositivo di traslazione 3D per trasportare la tabella di tornitura nello spazio 3D. Sia la tabella di tornitura che il dispositivo di traslazione sono guidati da motori indipendenti. Nel frattempo, la traiettoria 3D del polso e i segnali neurali del soggetto vengono registrati contemporaneamente durante l'esperimento. L'apparecchio fornisce una piattaforma preziosa per lo studio della funzione dell'arto superiore nella scimmia rhesus.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tutte le procedure comportamentali e chirurgiche conformate alla Guida per la cura e l'uso degli animali da laboratorio (Ministero della Salute cinese) e sono state approvate dal Comitato per la cura degli animali presso l'Università di ehejiang, in Cina.

1.Assemblaggio del dispositivo di traslazione 3D

  1. Costruire un telaio di dimensioni 920 mm x 690 mm x 530 mm con rotaie di costruzione in alluminio (sezione trasversale: 40 mm x 40 mm).
  2. Fissare quattro piedistalli alle due estremità delle rotaie Y con viti (M4) (Figura 1B).
  3. Fissare due voche Y sulla superficie superiore del telaio in parallelo fissando i quattro piedistalli ai quattro angoli della superficie superiore con viti (M6) (Figura 1B).
  4. Collegare due y-rail con un albero di collegamento e due accoppiamenti diaframma. Stringere le viti di blocco di accoppiamenti per sincronizzare gli alberi di due rotaie (Figura 1B).
  5. Mettere sei dadi (M4) nelle scanalature posteriori della rotaia a z. Fissare un lato del telaio del triangolo destro sul retro della guida a z con le viti.
  6. Tirare il telaio del triangolo fino all'estremità che è distale per l'albero e stringere le viti. Attaccare l'altro telaio a triangolo rettangolo destro all'altro binario a z nello stesso modo (Figura 1C).
  7. Fissare gli altri lati ad angolo retto di due telai a triangolo ai cursori di due guide Y con viti (M6) (Figura 1C).
  8. Collegare due rotaie a z con un albero di collegamento e accoppiamenti diaframma e stringere le viti di blocco di accoppiamento (Figura 1C).
  9. Attaccare i due pannelli di collegamento a forma di T sul retro della rotaia X con dadi e viti (M4). Quindi tirare le due tavole a forma di T alle due estremità di X-rail e stringere le viti (Figura 1D).
  10. Fissare i due pannelli di collegamento a forma di T sui cursori di due rotaie a z con viti (M6), rispettivamente (Figura 1D).
  11. Inserire il motore di stepping nel foro dell'albero del riduttore dell'ingranaggio e avvitare le flange insieme (Figura 1E).
  12. Fissare l'anello di collegamento all'estremità dell'albero della X-rail attiva con viti (M4).
  13. Inserire l'albero di X-rail nell'accoppiamento e fissare il riduttore dell'ingranaggio all'anello di collegamento con viti (M4).  Stringere le viti di blocco dell'accoppiamento (Figura 1E).
  14. Fissare gli altri due motori e riduttori di marcia alla guida Y attiva e alla rotaia a z utilizzando i metodi descritti nei passaggi da 1.11 a 1.12.
  15. Inserire i cavi di alimentazione e di controllo dei tre motori di stepping alle porte di alimentazione e di controllo dei loro conducenti, rispettivamente e fissare i cavi con viti sul lato conducente.

2. Assemblaggio della tabella di tornitura

  1. Scaricare il file . File di progettazione DWG dai file supplementari di questo documento. Preparare gli oggetti, albero mentale, barra di localizzazione, rotatore e caso da stampa 3D o lavorazione meccanica.
  2. Inserire i sensori tattili nella scanalatura del corpo dell'oggetto e infilarli sulle aree di tocco predefinite con nastro a doppio lato (Figura 2B).
    NOTA: ogni oggetto è costituito da quattro sottocomponenti: una scheda posteriore, corpo oggetto con scanalatura interna, copertura e sensori touch.
  3. Passare i fili attraverso il foro della scheda posteriore dell'oggetto e fissare la scheda di copertura sul corpo dell'oggetto con viti (Figura 2B).
  4. Passare fili di sensori tattili attraverso i fori sui lati del rotatore e fissare gli oggetti sul rotatore con viti. (Figura 2C).
  5. Saldare le estremità del filo dei sensori tattili alle estremità del filo rotante dell'anello elettrico e avvolgere le giunzioni con nastro elettrico (Figura 2D).
  6. Fissare la custodia sul cursore della X-rail con viti. Posizionare il cuscinetto nel foro inferiore della scatola e fissare la barra di localizzazione alla superficie superiore della cassa con viti (Figura 2E).
  7. Posizionare il rotatore nella cassa da un lato, cocciando gli assi di rotatore, cuscinetto e scatola. Passare i fili dell'anello di slittamento elettrico attraverso il foro superiore della cassa (Figura 2F).
  8. Inserire l'albero metallico nel cuscinetto dal foro superiore della cassa e montare la chiave dell'albero al tasto del rotatore (Figura 2G).
  9. Impostare l'anello di slittamento elettrico intorno all'albero metallico. Posizionare l'estremità della barra di localizzazione nella tacca dell'anello di slittamento elettrico per evitare che l'anello esterno ruoti (Figura 2G).
  10. Inserire l'albero di passo motore nel foro di albero metallico e fissare il motore sulla parte superiore della scatola con viti. (Figura 2H).
  11. Inserire i cavi di alimentazione e di controllo del motore nelle porte di alimentazione e di controllo del suo conducente e fissarle con viti.
  12. Attaccare un LED tricolore (RGB) sul lato anteriore della custodia con nastro adesivo e fissare la scheda laterale destra sulla custodia.

3. Configurazione del sistema di controllo

  1. Inserire la direzione e i fili di controllo dell'impulso dei quattro driver motore nelle porte I/O digitali (pin 81, 83, 85, 87) e le porte dei contatori digitali (pin 89, 91, 93, 95) della scheda di acquisizione dati (DAQ), rispettivamente. Fissare i fili con le viti.
  2. Inserire i fili di controllo del LED (colore verde utilizzato per il segnale "go", il colore blu utilizzato per il segnale "errore" e il colore rosso che rappresenta l'inattività) nelle porte I/O digitali (pin 65 e 66) della scheda DAQ e fissarli con viti.
  3. Inserire i fili di uscita dei sensori touch e il pulsante di interruttore nelle porte I/O digitali (pin 67–77) della scheda DAQ e fissare i fili con viti.
  4. Inserire i fili di controllo start-stop e direzione della pompa peritaletica rispettivamente nei pin I/O digitali 1 e 80. Inserire il filo di controllo della velocità di flusso nella porta I/O analogica AO2. Fissare i fili con le viti.
  5. Impostare un sistema di motion capture come descritto dal produttore per registrare la traiettoria della mano nello spazio 3D.
    NOTA: È stato utilizzato un sistema di motion capture commerciale (vedere Tabella deimateriali), costituito da otto telecamere, un hub di alimentazione, un commutatore Ethernet e un software di supporto (ad esempio, Cortex). Si prega di fare riferimento al manuale per ottenere maggiori dettagli sulla configurazione del sistema.
  6. Impostare un sistema di acquisizione del segnale neurale come descritto dal produttore per registrare il segnale elettrofisiologico dal soggetto.
    NOTA: è stato utilizzato un sistema di acquisizione di dati commerciali (Table of Materials), costituito da un processore di segnale neurale (NSP), un amplificatore front-end (FEA), un alimentatore di amplificatori (ASP), le fasi iniziali e il relativo software di supporto (ad esempio, Centrale). Consultare il manuale per ulteriori dettagli sulla configurazione del sistema.

4. Preparazione della sessione sperimentale

  1. Inizializzare il dispositivo di traslazione 3D e la tabella di tornitura. In particolare, tirare i cursori di tutta la guida di scorrimento lineare al punto iniziale (angolo inferiore sinistro) e ruotare il primo oggetto (cioè la maniglia posizionata verticalmente) di tabella di tornitura verso il lato anteriore della tabella di tornitura.
  2. Potenza sui dispositivi sperimentali, tra cui sistema di motion capture, acquisizione del segnale neurale, scheda DAQ, pompa peristaltica e quattro motori.
  3. Impostare il software paradigmatico (Figura 3A).
    1. Fare doppio clic su Paradigm.exe per aprire il software paradigma (disponibile su richiesta).
    2. Definire il numero delle posizioni di raggiungimento e le relative coordinate 3D (x, y e z, in millimetri) rispetto alle posizioni iniziali (passaggio 4.2).
    3. Scrivere le coordinate di tutte le posizioni sotto forma di matrice in un documento .txt. Assicurarsi che ogni riga includa le coordinate x, y e z di una posizione separata da uno spazio. Salvare il documento txt.
    4. Fare clic su Apri file nel pannello Pool del software paradigma e selezionare il documento .txt salvato in precedenza per caricare le posizioni di presentazione nel software paradigma.
      NOTA: In questo studio, sono state stabilite otto posizioni di destinazione in base all'intervallo di raggiungimento degli animali, che si trovano ai vertici di un'area di lavoro cuboide9,10 (90 mm x 60 mm x 90 mm).
    5. Controllare gli oggetti da presentare nell'esperimento nel pool di oggetti del software paradigma.
    6. Regolare i parametri sperimentali nel pannello Parametri temporali del software paradigma. Imposta linea di base: 400 ms, corsa del motore: 2.000 ms, pianificazione: 1.000 ms, tempo massimo di reazione, 500 ms, tempo di raggiungimento massimo , 1.000 ms, tempo di attesa massimo , 500 ms, 60 ms e segnale di errore 1.000 ms.
  4. Sedete la scimmia rhesus (con un array di microelettrodi impiantato nella corteccia motoria) sulla sedia della scimmia inserendo il collare nella scanalatura della sedia e fissando la testa.
  5. Fissare la sedia scimmia al telaio di costruzione in alluminio. Tenere la testa a 250 mm di distanza dal lato anteriore del cuboide e tenere gli occhi 50 mm sopra il lato superiore dello spazio di lavoro cuboide (angolo visivo orizzontale: 20; angolo visivo verticale: 18).
  6. Costruisci un modello di monitoraggio del sistema di motion capture.
    1. Attaccare tre marcatori riflettenti all'estremità del braccio (vicino al polso) con nastro a due lati. Assicuratevi che i tre marcatori formino un triangolo di scalene.
    2. Fare clic sul pulsante Esegui del software paradigma per avviare l'attività.
    3. Fate clic sul pulsante Registra nel pannello Motion Capture del software Cortex per registrare le traiettorie di tre marcatori per 60 s quando la scimmia sta eseguendo l'operazione. Fare clic sul pulsante Interrompi per sospendere l'esperimento.
    4. Costruire un modello di tracciamento di tre marcatori sul software Cortex utilizzando le traiettorie registrate e salvare il modello.
      NOTA: Si prega di fare riferimento al manuale di Cortex per ottenere maggiori dettagli su come costruire un modello.
  7. Collegare le porte GND di FEA e l'array di microelettrodi impiantati nella corteccia motoria della scimmia con un filo e di pizzicamento. Quindi inserire le fasi della testa nel connettore dell'array di microelettrodi31.
  8. Aprire il software centrale di sistema di acquisizione del segnale neurale e impostare i parametri di registrazione tra cui percorso di archiviazione, cancellazione del rumore di linea, filtro picco, soglia di picco, ecc.
    NOTA: Si prega di fare riferimento al manuale del sistema di acquisizione del segnale neurale per ulteriori dettagli di impostazione del software.
  9. Aprire il software di sincronizzazione (Figura 3B, disponibile su richiesta). Fare clic sui tre pulsanti Connect nei pannelli Cerebus, Motion Capture e Paradigm per collegare il software di sincronizzazione rispettivamente al sistema di acquisizione del segnale neurale, al sistema di motion capture e al paradigma.
  10. Fare clic sul pulsante Esegui del software paradigma per continuare l'esperimento.
  11. Fare clic sul pulsante Registra nel pannello Archiviazione file del software Centrale per avviare la registrazione dei segnali neurali.
  12. Controlla il modello di tracciamento salvato e fai clic sul pulsante Registra nel pannello Motion Capture del software Cortex per iniziare a registrare la traiettoria del polso della scimmia.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La dimensione dello spazio di lavoro completo dell'apparato è rispettivamente di 600 mm, 300 mm e 500 mm negli assi x, y e z. Il carico massimo del dispositivo di traslazione 3D è di 25 kg, mentre il tavolo di tornitura (compreso il motore a prua) è pesato 15 kg e può essere trasportato ad una velocità fino a 500 mm/s. La precisione cinematica del dispositivo di traslazione 3D è inferiore a 0,1 mm e il rumore dell'apparato è inferiore a 60 dB.

Per dimostrare l'utilità del sistema, la scimmia è...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L'apparato comportamentale è descritto qui consente una combinazione di prova-saggio di diversi movimenti di raggiungendo e presa (cioè, la scimmia può afferrare oggetti di forma diversa in qualsiasi posizione 3D arbitraria in ogni prova). Ciò avviene attraverso la combinazione di una tabella di tornitura personalizzata che passa da diversi oggetti e un dispositivo di traslazione lineare che trasporta la tabella di tornitura in più posizioni nello spazio 3D. Inoltre, i segnali neurali della scimmia, la traiettoria del po...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gli autori non hanno nulla da rivelare.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ringraziamo Shijiang Shen per i suoi consigli sulla progettazione di apparati e la signora Guihua Wang per la sua assistenza nella cura e formazione degli animali. Questo lavoro è stato sostenuto dal Programma Nazionale di Ricerca e Sviluppo della Cina (2017YFC1308501), dalla National Natural Science Foundation of China (31627802), dai Progetti Pubblici della Provincia di Università centrali.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Active X-railCCM Automation technology Inc., CinaW50-25Corsa effettiva, 600 mm; Carico, 25 kg
Corsa a Y attivaCCM Automation technology Inc., CinaW60-35Corsa effettiva, 300 mm, Carico 35 kg
Corsa a Z attivaCCM Automation technology Inc., CinaW50-25Corsa effettiva, 500 mm; Carico 25 kg
CuscinettoTaobao.com6004-2RSHCustodia in acrilico
Lavorazione meccanica personalizzataTT-CAnello
di collegamentoin acrilico CCM Automation technology Inc., Cina57/60-W50
Albero di collegamentoCCM Automation technology Inc., CinaD12-700Diam., 12 mm;Lunghezza, 700 mm
Giunto a membranaCCM Automation technology Inc., CinaCCM 12-12Diametro interno, 12-12mm
Accoppiamento a membranaCCM Automation technology Inc., CinaCCM 12-14Diametro interno, 14-12mm
Anello di contatto elettricoSemring Inc., CinaSNH020a-12Acrilico
Barra di posizionamentoElaborazione meccanica personalizzataTT-LAcrilico
Sistema di cattura del movimentoMotion Analysis Corp.Eagle-2.36
Sistema di acquisizione del segnale neuraleBlackrock Microsystems Corp. USCerebus
NI DAQ deviceNational Instruments, USUSB-6341
Oggetto Elaborazionemeccanica personalizzataTT-O
Acrilico Passivo Y-railCCM Automation technology Inc., CinaW60-35Corsa effettiva, 300 mm; Carico 35 kg
Binario a Z passivoCCM Automation technology Inc., CinaW50-25Corsa effettiva, 500 mm; Carico 25 kg
PiedistalloCCM Automation technology Inc., Cina80-W60
Pompa peristalticaLonger Inc., CinaBT100-1L
Riduttore epicicloidaleCCM Automation technology Inc., CinaPLF60-5Flangia, 60&volte; 60 mm; Rapporto di riduzione, 1:5
Telaio a triangolo rettoCCM Automation technology Inc., Cina290-300
RotatoreLavorazione meccanica personalizzataTT-RServomotore acrilico
Yifeng Inc., Cina60ST-M01930Flangia, 60&volte; 60 mm; Coppia, 1,91 N· m; per servomotore Y- e Z-rail
Yifeng Inc., Cina60ST-M01330Flangia, 60&volte; 60 mm; Coppia, 1,27 N· m; per albero X-rail
Lavorazione meccanica personalizzata Motoreacrilico TT-S
Taobao.com86HBS120Flangia, 86&volte; 86 millimetri; Coppia, 1,27 N· m; Piattaforma girevole di guida
Sensore tattileTaobao.comCM-12X-5V
LED tricoloreTaobao.comCK017,
CCM Automation technology Inc., Cina110-120
passo-passo scheda di collegamento a forma di T RGB

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
  2. Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
  3. Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
  4. Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
  5. Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
  6. Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42(2003).
  7. Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843(2017).
  8. Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
  9. Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
  10. Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
  11. Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
  12. Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709(2006).
  13. Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
  14. Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
  15. Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48(2013).
  16. Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710(2018).
  17. Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
  18. Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
  19. Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
  20. Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
  21. Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
  22. Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
  23. Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
  24. Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
  25. Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
  26. Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
  27. Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
  28. Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
  29. Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
  30. Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
  31. Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036(2012).
  32. Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011(2014).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

3D WorkspaceGraspable ObjectsTurning Table3D Translational DeviceMotion Capture SystemTouch SensorsNeural Signal AcquisitionUpper Limb FunctionBrain Machine InterfaceReach Grasp Encoding

Related Articles