방법 논문

3D 작업 공간에서 파악 가능한 개체를 표시하기 위한 장치 설계 및 사용

DOI:

10.3791/59932

⸱

2019년 8월 8일

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

이 논문에서

요약

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

여기에 제시된 프로토콜은 원숭이가 유연한 도달-파악 작업을 수행하도록 안내하는 자동 장치를 구축하는 프로토콜입니다. 이 장치는 3D 번역 장치와 터닝 테이블을 결합하여 3D 공간에서 임의의 위치에 여러 객체를 표시합니다.

초록

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

도달 하 고 파악은 매우 결합 된 움직임, 그리고 그들의 기본 신경 역학 은 지난 10 년 동안 널리 공부 되었습니다. 도달 및 파악 인코딩을 구분하려면 위치와 관계없이 서로 다른 개체 ID를 표시하는 것이 필수적입니다. 여기에 제시된 자동 장치는 이러한 목표를 달성하기 위해 터닝 테이블과 3차원(3D) 번역 장치로 조립되는 설계이다. 터닝 테이블은 다른 그립 유형에 해당하는 다른 오브젝트를 전환하고 3D 번역 장치는 터닝 테이블을 3D 공간으로 전송합니다. 둘 다 모터에 의해 독립적으로 구동되므로 대상 위치와 물체가 임의로 결합됩니다. 한편, 손목 궤적과 그립 유형은 모션 캡처 시스템과 터치 센서를 통해 각각 기록됩니다. 또한, 이 시스템을 사용하여 성공적으로 훈련 된 원숭이를 입증하는 대표적인 결과가 설명되어 있습니다. 이 장치는 상지 기능과 관련된 운동학, 신경 원리 및 뇌 - 기계 인터페이스를 연구하는 연구원을 용이하게 할 것으로 예상된다.

서론

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

비인간 영장류의 움직임에 도달하고 잡는 근본적인 신경 원리를 연구하기 위해 다양한 장치가 개발되었습니다. 도달 작업에서,터치 스크린 1,2,조이스틱에 의해 제어 화면 커서3,4,5,6,7,및 가상 현실 기술8 , 9개 , 10은 모두 각각 2D 및 3D 표적을 제시하기 위하여 채택되었습니다. 다른 그립 유형을 도입하기 위해, 한 위치에 고정된 다른 모양의 물체또는축을 중심으로 회전하는 것은 11,12,13의잡기 작업에 널리 사용되었다. 대안은 시각적 신호를 사용하여 피사체가 다른 그립 유형14,15,16,17을사용하여 동일한 개체를 파악하도록 알리는 것입니다. 최근에는 도달 및 잡기 움직임을 함께 연구했습니다 (즉, 피험자는 실험 세션에서 여러 위치에 도달하고 다른 그립 유형을 파악)18,19,20, 21,22,23,24,25,26,27,28,29. 초기 실험은 필연적으로 낮은 시간과 공간 정밀도로 이어질 수동으로 개체를 제시했다20,21. 실험 정밀도를 향상시키고 인력을 절약하기 위해 프로그램에 의해 제어되는 자동 프레젠테이션 장치가 널리 사용되었습니다. 대상 위치와 그립 유형을 다양하게 변경하기 위해 실험자는 여러 개체를 동시에 노출했지만 대상의 상대적(또는 절대) 위치와 그립 유형이 함께 바인딩되어 장기 학습(22)을 통해 경직된 발사 패턴을 일으킵니다. ,27,28. 개체는 일반적으로 2D 평면에 제시되며, 이는 19,25,26에도달하는 움직임 및 신경 활동의 다양성을 제한한다. 최근에는 가상현실(24)과 로봇암(23,29)이 3D 공간에 객체를 제시하기 위해 도입되고 있다.

여기에 제시된 상세한 프로토콜은 3D 공간에서 여러 표적 위치 및 그립 유형의 조합을 달성할 수 있는 자동화된 장치(30)를 구축하고 사용하기 위한 것이다. 우리는 3D 공간에서 터닝 테이블을 전송하기 위해 객체와 3D 번역 장치를 전환하는 터닝 테이블을 설계했습니다. 터닝 테이블과 평행 장치 모두 독립 모터에 의해 구동됩니다. 한편, 피사체의 손목과 신경 신호의 3D 궤적은 실험 전반에 걸쳐 동시에 기록됩니다. 이 장치는 rhesus 원숭이의 상지 기능을 연구하기위한 귀중한 플랫폼을 제공합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

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

모든 행동 및 외과 적 절차는 실험실 동물의 관리 및 사용에 대한 가이드 (중국 보건부)에 부합하고 절강 대학의 동물 관리위원회의 승인을 받았습니다.

1.3D 번역 장치 조립

  1. 알루미늄 구조 레일(단면: 40mm x 40mm)으로 920mm x 690mm x 530mm 크기의 프레임을 구축합니다.
  2. 나사 (M4)(그림 1B)로 Y 레일의 두 끝에 4개의 받침대를 고정하십시오.
  3. 나사(M6)(그림1B)로4개의 받침대를 상단 표면의 네 모서리에 고정하여 두 개의 Y 레일을 프레임의 상단 표면에 병렬로 고정합니다.
  4. 두 개의 Y 레일을 연결 샤프트와 두 개의 다이어프램 커플링을 연결합니다. 커플링의 잠금 나사를 조여 두 레일의 샤프트를 동기화합니다(그림1B).
  5. Z 레일의 후면 홈에 6개의 너트(M4)를 넣습니다. 직각 삼각형 프레임의 한쪽면을 나사로 Z 레일의 뒷면에 부착합니다.
  6. 샤프트에 말단인 삼각형 프레임을 끝까지 당기고 나사를 조입니다. 다른 직각 삼각형 프레임을 동일한 방식으로 다른 Z레일에 부착합니다(그림 1C).
  7. 나사 (M6)(그림 1C)와 두 개의 Y 레일의 슬라이더에 두 개의삼각형 프레임의 다른 직각 측면을 고정합니다.
  8. 두 개의 Z 레일을 연결 샤프트 및 다이어프램 커플링과 연결하고 커플링의 잠금 나사를 조입니다(그림1C).
  9. 너트와 나사(M4)가 있는 X-레일의 뒷면에 두 개의 T자형 연결 보드를 부착합니다. 그런 다음 두 개의 T 자형 보드를 X 레일의 두쪽 끝으로 당기고 나사를 조입니다(그림 1D).
  10. 두 개의 T자형 연결 보드를 나사(M6)가 있는 두 개의 Z 레일슬라이더에 각각 고정합니다(그림 1D).
  11. 스테핑 모터를 기어 감속기의 샤프트 구멍에 삽입하고 플랜지를 함께 조입니다(그림1E).
  12. 나사(M4)로 활성 X 레일의 샤프트 끝에 연결 링을 고정합니다.
  13. X 레일의 샤프트를 커플링에 삽입하고 기어 감속기를 나사(M4)가 있는 연결 링에 고정합니다.  커플링의 잠금 나사를 조입니다(그림1E).
  14. 1.11-1.12 단계에 설명된 방법을 사용하여 다른 두 스테핑 모터와 기어 감속기를 활성 Y 레일 및 Z 레일에 고정합니다.
  15. 3개의 스테핑 모터의 전원 및 제어 케이블을 각각 드라이버의 전원 및 제어 포트에 삽입하고 드라이버 측의 나사로 케이블을 고정합니다.

2. 터닝 테이블 조립

  1. 을 다운로드합니다. 이 백서의 보충 파일에서 DWG 디자인 파일. 3D 프린팅 또는 기계 가공으로 물체, 멘탈 샤프트, 위치 표시 바, 회전자 및 케이스를 준비합니다.
  2. 터치 센서를 오브젝트 본체의 홈에 넣고 양면 테이프로 미리 정의된 터치영역에 붙입니다(그림 2B).
    참고: 각 오브젝트는 백보드, 내부에 홈이 있는 오브젝트 본체, 커버 보드 및 터치 센서의 네 가지 하위 구성 요소로 구성됩니다.
  3. 물체 백보드의 구멍을 통해 와이어를 전달하고 나사로 커버 보드를 물체 본체에 고정합니다(그림2B).
  4. 터치 센서의 와이어를 회전자 측면의 구멍을 통과하고 나사로 물체를 회전자 에 고정시다. (그림2C)를참조하십시오.
  5. 터치 센서의 와이어 끝을 전기 슬립 링의 회전 와이어 끝에 납땜하고 전기테이프로 조인트(그림 2D)로 감쌉니다.
  6. 나사로 X 레일의 슬라이더에 케이스를 고정합니다. 베어링을 상자의 하단 구멍에 놓고 나사로 케이스의 상단 표면에 고정하십시오 (그림2E).
  7. 회전자, 베어링 및 상자의 축을 동시에 배치하여 회전수를 측면에서 케이스에 넣습니다. 케이스의 상단 구멍을 통해 전기 슬립 링의 와이어를 전달합니다(그림2F).
  8. 케이스의 상단 구멍에서 베어링에 금속 샤프트를 삽입하고 샤프트 키를 회전자의 키웨이에 맞춥니다(그림2G).
  9. 금속 샤프트 주위에 전기 슬립 링을 설정합니다. 바깥쪽 링이 회전하지 않도록 바의 노치에 배치막대의끝을 놓습니다(그림 2G).
  10. 스테핑 모터의 샤프트를 금속 샤프트 구멍에 삽입하고 나사로 상자 상단의 모터를 고정합니다. (그림2H)를참조하십시오.
  11. 모터의 전원 및 제어 케이블을 드라이버의 전원 및 제어 포트에 삽입하고 나사로 고정합니다.
  12. 테이프로 케이스 앞면에 삼색 LED(RGB)를 붙이고 오른쪽 보드를 케이스에 고정합니다.

3. 제어 시스템의 설정

  1. 4개의 모터 드라이버의 방향 및 펄스 제어 와이어를 각각 데이터 수집(DAQ) 보드의 디지털 I/O 포트(핀 81, 83, 85, 87) 및 디지털 카운터 포트(핀 89, 91, 93, 95)에 삽입합니다. 나사로 와이어를 고정합니다.
  2. DAQ 카드의 디지털 I/O 포트(핀 65 및 66)에 LED("이동" 큐에 사용되는 녹색, "오류" 큐에 사용되는 파란색 및 유휴 상태)의 제어 와이어를 삽입하고 나사로 고정합니다.
  3. DAQ 보드의 디지털 I/O 포트(핀 67-77)에 터치 센서및 스위치 버튼의 출력 와이어를 삽입하고 나사로 와이어를 고정합니다.
  4. 연동 펌프의 스타트 스톱 및 방향 제어 와이어를 각각 디지털 I/O 핀 1과 80에 삽입합니다. 아날로그 I/O 포트 AO2에 유속 제어 와이어를 삽입합니다. 나사로 와이어를 고정합니다.
  5. 제조업체에서 설명한 대로 모션 캡처 시스템을 설정하여 손 궤적을 3D 공간에 기록합니다.
    참고: 8대의 카메라, 전원 허브, 이더넷 스위치 및 지원 소프트웨어(예: Cortex)로 구성된 상업용 모션 캡처 시스템(재료 표참조)이 사용되었습니다. 시스템 설정에 대한 자세한 내용은 설명서를 참조하십시오.
  6. 제조업체가 설명한 대로 신경 신호 수집 시스템을 설정하여 피사체로부터 전기 생리신호를 기록합니다.
    참고: 상용 데이터 수집시스템(재료 표)은 신경 신호 프로세서(NSP), 프런트 엔드 앰프(FEA), 증폭기 전원 공급 장치(ASP), 헤드 스테이지 및 지원 소프트웨어(예: 중앙)로 구성됩니다. 시스템 설정에 대한 자세한 내용은 설명서를 참조하십시오.

4. 실험 세션 준비

  1. 3D 번역 장치와 터닝 테이블을 초기화합니다. 특히 모든 선형 슬라이드 레일의 슬라이더를 시작점(왼쪽 아래 모서리)으로 당기고 선삭 테이블의 첫 번째 오브젝트(즉, 수직으로 배치된 핸들)를 회전 테이블의 앞면을 향하도록 합니다.
  2. 모션 캡처 시스템, 신경 신호 수집, DAQ 보드, 연동 펌프 및 4개의 모터를 포함한 실험 장치의 전원.
  3. 패러다임 소프트웨어 설정(그림3A).
    1. 패러다임 소프트웨어를 열려면 패러다임.exe를 두 번 클릭하십시오(요청 시 사용 가능).
    2. 초기 위치(4.2단계)를 기준으로 도달 위치 와 3D 좌표(밀리미터)의 수를 정의합니다.
    3. .txt 문서에서 행렬 형식으로 모든 위치의 좌표를 작성합니다. 각 행에 공백으로 구분된 한 위치의 x, y 및 z 좌표가 포함되어 있는지 확인합니다. txt 문서를 저장합니다.
    4. 패러다임 소프트웨어의 풀 패널에서 파일 열기를 클릭하고 프레젠테이션 위치를 패러다임 소프트웨어에 로드하기 전에 저장된 .txt 문서를 선택합니다.
      참고: 이 연구에서는 동물의 도달 범위에 따라 8개의 타겟 위치가 설정되었으며, 이는 입방체 작업 공간9,10(90mm x 60mm x 90mm)의 정점에 위치합니다.
    5. 패러다임 소프트웨어의 개체 풀에서 실험에 제시할 개체를 확인합니다.
    6. 패러다임 소프트웨어의 시간 매개변수 패널에서 실험 매개변수를 조정합니다. 기준 설정 = 400ms, 모터 실행 = 2,000ms, 계획 = 1,000ms, 최대 반응 시간 = 500ms, 최대 도달 시간 = 1,000ms, 최소 유지 시간 = 500ms, 보상 = 60ms 및 오류 큐 = 1,000ms.
  4. 의자의 홈에 칼라를 삽입하고 머리를 고정하여 원숭이 의자에 코막이 원숭이 (모터 피질에 이식 된 마이크로 전극 배열)를 앉습니다.
  5. 원숭이 의자를 알루미늄 구조 프레임에 고정합니다. 머리를 입방체의 앞면에서 250mm 떨어진 곳에 두고 눈을 입방체 작업 공간의 위쪽 위로 50mm(수평 시야각: 20°; 수직 시야각: 18°)로 유지합니다.
  6. 모션 캡처 시스템의 추적 템플릿을 구성합니다.
    1. 양면 테이프로 팔 끝에 3개의 반사 마커(손목에 가깝게)를 부착합니다. 세 마커가 스케일린 삼각형을 형성해야 합니다.
    2. 패러다임 소프트웨어의 실행 버튼을 클릭하여 작업을 시작합니다.
    3. Cortex 소프트웨어의 모션 캡처 패널에서 기록 버튼을 클릭하여 원숭이가 작업을 수행할 때 60s에 대한 세 개의 마커궤를 기록합니다. 중지 단추를 클릭하여 실험을 일시 중단합니다.
    4. 기록된 궤적을 사용하여 Cortex 소프트웨어에서 세 개의 마커로 구성된 추적 템플릿을 작성하고 템플릿을 저장합니다.
      참고: 모델을 빌드하는 방법에 대한 자세한 내용은 Cortex 설명서를 참조하십시오.
  7. 원숭이의 모터 피질에 이식된 FEA 및 마이크로 전극 어레이의 GND 포트를 와이어와 핀치 자지로 연결합니다. 이어서 헤드 스테이지를 마이크로 전극 어레이(31)의 커넥터에 삽입한다.
  8. 신경 신호 수집 시스템의 중앙 소프트웨어를 열고 저장 경로, 라인 노이즈 취소, 스파이크 필터, 스파이크 임계값 등을 포함한 기록 매개 변수를 설정합니다.
    참고: 소프트웨어 설정에 대한 자세한 내용은 신경신호 수집 시스템 매뉴얼을 참조하십시오.
  9. 동기화 소프트웨어를 엽니다(그림3B,요청 시 사용 가능). Cerebus, 모션 캡처 및 패러다임 패널의 세 개의 연결 버튼을 클릭하여 동기화 소프트웨어를 신경 신호 수집 시스템, 모션 캡처 시스템 및 패러다임 소프트웨어와 각각 연결합니다.
  10. 패러다임 소프트웨어의 실행 버튼을 클릭하여 실험을 계속합니다.
  11. 중앙 소프트웨어의 파일 저장소 패널에서 녹음 버튼을 클릭하여 신경 신호 기록을 시작합니다.
  12. 저장된 추적 템플릿을 확인하고 Cortex 소프트웨어의 모션 캡처 패널에서 기록 버튼을 클릭하여 원숭이의 손목 궤적을 기록하십시오.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

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

장치의 전체 작업 공간 크기는 각각 600mm, 300mm 및 500mmx,y-, 및 z 축입니다. 3D 평행 장치의 최대 하중은 25kg이며 터닝 테이블(스테핑 모터 포함)은 15kg의 가중치가 있으며 최대 500mm/s의 속도로 운반할 수 있습니다. 3D 번역 장치의 운동 정밀도는 0.1 mm 미만이고 장치의 소음은 60dB 미만입니다.

시스템의 유용성을 입증하기 위해 원숭이는 시스템30을사용하여 지연된 도달 도달 작업을 수행하도록 훈련(이전에 도달 작업에서 훈련)됩니다. 위에서 제시한 절차를 사용하여 패러다임 소프트웨어는 시험별 행동 실험 시험을 자동으로 제시합니다(세션당 ~500회 평가판). 특히 원숭이는 버튼을 누르고"이동"큐 전에 눌러 시험을 시작해야합니다 (그림 4). 첫 번째 단계("모터 실행" 단계)로서, 3D 번역 장치는 터닝 테이블을 무작위로 선택한 의사 위치로 이...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

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

여기서 설명된 행동 장치는 서로 다른 도달 및 파악 움직임의 시험 현명한 조합을 가능하게 합니다(즉, 원숭이는 각 시험에서 임의의 3D 위치에서 다른 모양의 물체를 파악할 수 있음). 이는 다양한 객체를 전환하는 사용자 지정 선삭 테이블과 터닝 테이블을 3D 공간의 여러 위치로 전송하는 선형 변환 장치의 조합을 통해 수행됩니다. 또한, 원숭이의 신경 신호, 손목의 궤적 및 손 모양은 신경 생리학적 연구를 위해 기록되고 동기화될 수 있었다.

별도로 구동되는 3D 변환 장치와 터닝 테이블을 포함하는 이 장치는 여러 대상 위치와 물체를 독립적으로 제공합니다. 즉, 미리 정의된 모든 위치와 객체가 임의로 결합되었고, 이는 다변변수 인코딩14,25,28을연구하는데 중요하다. 반대로, 파악되는 물체가 위치(예를 들어, 객체가...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

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

저자는 공개 할 것이 없다.

감사의 글

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

장치 설계에 대한 조언에 시장 셴 씨와 동물 관리 및 훈련에 도움을 준 구이화 왕 씨에게 감사드립니다. 이 사업은 중국 국가 핵심 연구 개발 프로그램(2017YFC1308501), 중국 국립자연과학재단(31627802), 절강성 공공프로젝트(2016C33059), 기초연구기금(2016C33059)의 지원을 받았습니다. 중앙 대학.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
Active X-railCCM Automation technology Inc., 중국W50-25유효 이동, 600mm; 하중, 25kg
액티브 Y-레일CCM 자동화 기술 Inc., 중국W60-35유효 이동, 300mm, 하중 35kg
활성 Z-레일CCM 자동화 기술 Inc., 중국W50-25유효 이동, 500mm; 하중 25kg
베어링Taobao.com6004-2RSH아크릴
케이스맞춤형 기계 가공TT-C아크릴
연결 링CCM 자동화 기술 Inc., 중국57 / 60-W50
연결 샤프트CCM 자동화 기술 Inc., 중국D12-700직경, 12mm, 길이, 700mm
다이어프램 커플 링CCM Automation technology Inc., 중국CCM 12-12내부 직경, 12-12mm
다이어프램 커플링 CCM Automation technology Inc., 중국CCM 12-14내부 직경, 14-12mm
전기 슬립 링Semring Inc., 중국SNH020a-12아크릴
위치 바사용자 정의 기계 가공TT-L아크릴
모션 캡처 시스템Motion Analysis Corp. 미국Eagle-2.36
신경 신호 수집 시스템Blackrock Microsystems Corp. USCerebus
NI DAQ 장치National Instruments, USUSB-6341
개체맞춤형 기계 처리TT-O아크릴
수동 Y-레일CCM 자동화 기술 Inc., 중국W60-35유효 이동, 300mm; 하중 35kg
패시브 Z-레일CCM 자동화 기술 Inc., 중국W50-25유효 이동, 500mm; 하중 25kg
받침대CCM 자동화 기술 Inc., 중국80-W60
연동 펌프Longer Inc., 중국BT100-1L
유성 감속기CCM 자동화 기술 Inc., 중국PLF60-5플랜지, 60× 60 밀리미터; 감속비, 1:5
직각 프레임CCM Automation technology Inc., 중국290-300
회전자맞춤형 기계 가공TT-R아크릴
서보 모터Yifeng Inc., 중국60ST-M01930플랜지, 60× 60 밀리미터; 토크, 1.91 N&미드도트; m; Y- 및 Z- 레일
서보 모터Yifeng Inc., 중국60ST-M01330플랜지, 60 회; 60 밀리미터; 토크, 1.27 N&미드도트; m; X-레일
샤프트맞춤형 기계 가공TT-S아크릴
스테핑 모터Taobao.com86HBS120플랜지, 86× 86의 mm; 토크, 1.27 N&미드도트; m; 운전 터닝 테이블
터치 센서Taobao.comCM-12X-5V
삼색 LEDTaobao.comCK017, RGB
T 자형 연결 보드CCM 자동화 기술 주식 회사 중국110-120

참고문헌

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

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

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

관련 논문