Method Article

Projektowanie i wykorzystanie aparatu do prezentacji chwytalnych obiektów w przestrzeni roboczej 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

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

Prezentowany tutaj jest protokół budowy automatycznego urządzenia, które prowadzi małpę do wykonania elastycznego zadania polegającego na sięganiu i chwytaniu. Aparat łączy w sobie urządzenie translacyjne 3D i stół obrotowy w celu prezentacji wielu obiektów w dowolnej pozycji w przestrzeni 3D.

Abstract

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

Sięganie i chwytanie to wysoce sprzężone ruchy, a ich podstawowa dynamika neuronalna była szeroko badana w ciągu ostatniej dekady. Aby odróżnić kodowanie docierające i chwytające, konieczne jest przedstawienie różnych tożsamości obiektów niezależnie od ich pozycji. Przedstawiono tutaj projekt automatycznego aparatu, który jest zmontowany ze stołem obrotowym i trójwymiarowym (3D) urządzeniem translacyjnym, aby osiągnąć ten cel. Stół obrotowy przełącza różne obiekty odpowiadające różnym typom uchwytów, podczas gdy urządzenie translacyjne 3D transportuje stół obrotowy w przestrzeni 3D. Oba są napędzane niezależnie przez silniki, dzięki czemu pozycja docelowa i obiekt są dowolnie łączone. Tymczasem trajektoria nadgarstka i rodzaje chwytu są rejestrowane odpowiednio przez system przechwytywania ruchu i czujniki dotykowe. Ponadto opisano reprezentatywne wyniki, które pokazują, że małpy zostały skutecznie wyszkolone przy użyciu tego systemu. Oczekuje się, że aparatura ta ułatwi naukowcom badanie kinematyki, zasad neuronowych i interfejsów mózg-maszyna związanych z funkcją kończyn górnych.

Introduction

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

Rozmaite aparaty zostały opracowane do badania zasad neuronalnych leżących u zwierząt naczelnych w zasięgu ręki i chwytaniu. Podczas docierania do zadań, ekran dotykowy1,2, kursor ekranowy sterowany za pomocą joysticka3,4,5,6,7, oraz technologia rzeczywistości wirtualnej8,9,10 wszystkie zostały wykorzystane do prezentacji celów odpowiednio 2D i 3D. Aby wprowadzić różne typy uchwytów, w zadaniach chwytania szeroko stosowano obiekty o różnych kształtach, unieruchomione w jednej pozycji lub obracające się wokół osi11,12,13. Alternatywą jest użycie wskazówek wizualnych do poinformowania badanych, aby chwycili ten sam obiekt za pomocą różnych typów uchwytów14,15,16,17. Ostatnio ruchy sięgania i chwytania były badane razem (tj. badani osiągają wiele pozycji i chwytają różnymi typami chwytów podczas sesji eksperymentalnej)18,19,20,21,22,23,24,25,26,27,28,29. Wczesne eksperymenty prezentowały obiekty ręcznie, co nieuchronnie prowadziło do niskiej precyzji czasowej i przestrzennej20,21. Aby poprawić precyzję eksperymentów i zaoszczędzić siłę roboczą, szeroko stosowane są automatyczne urządzenia prezentacyjne sterowane programami. Aby zmienić pozycję celu i typ uchwytu, eksperymentatorzy wystawili wiele obiektów jednocześnie, ale względne (lub bezwzględne) położenie celów i typy uchwytów są ze sobą powiązane, co powoduje sztywne wzorce strzelania poprzez długotrwałe szkolenie22,27,28. Obiekty są zazwyczaj prezentowane w płaszczyźnie 2D, co ogranicza różnorodność ruchu sięgającego i aktywności neuronalnej19,25,26. Ostatnio wprowadzono virtual reality24 i robot arm23,29 do prezentowania obiektów w przestrzeni 3D.

Przedstawione tutaj są szczegółowe protokoły budowy i korzystania z automatycznego urządzenia30, które może osiągnąć dowolną kombinację wielu pozycji docelowych i typów uchwytów w przestrzeni 3D. Zaprojektowaliśmy stół obrotowy do przełączania obiektów oraz urządzenie translacyjne 3D do transportu stołu obrotowego w przestrzeni 3D. Zarówno stół obrotowy, jak i urządzenie translacyjne są napędzane niezależnymi silnikami. Tymczasem trajektoria 3D nadgarstka osoby badanej i sygnały neuronowe są rejestrowane jednocześnie przez cały czas trwania eksperymentu. Aparatura stanowi cenną platformę do badania funkcji kończyn górnych u małpy rezusów.

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

Protocol

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

Wszystkie procedury behawioralne i chirurgiczne były zgodne z Przewodnikiem Opieki i Użytkowania Zwierząt Laboratoryjnych (Chińskie Ministerstwo Zdrowia) i zostały zatwierdzone przez Komitet Opieki nad Zwierzętami na Uniwersytecie Zhejiang w Chinach.

1.Montaż urządzenia translacyjnego 3D

  1. Zbuduj ramę o wymiarach 920 mm x 690 mm x 530 mm z aluminiowymi szynami konstrukcyjnymi (przekrój: 40 mm x 40 mm).
  2. Przymocuj cztery cokoły do dwóch końców szyn Y za pomocą (M4) (Rysunek 1B).
  3. Zamocuj dwie szyny Y na górnej powierzchni ramy równolegle, przymocowując cztery cokoły do czterech rogów górnej powierzchni za pomocą (M6) (Rysunek 1B).
  4. Połącz dwie szyny Y z wałem łączącym i dwoma sprzęgłami membranowymi. Dokręć blokujące sprzęgieł, aby zsynchronizować wały dwóch szyn (Rysunek 1B).
  5. Umieść sześć nakrętek (M4) w tylnych rowkach szyny Z. Przymocuj jedną stronę ramy trójkąta prawego do tylnej części szyny Z za pomocą.
  6. Pociągnij trójkątną ramę do końca, który jest dystalny do wału i dokręć. Przymocuj drugą ramkę trójkąta prostokątnego do drugiej szyny Z w ten sam sposób (Rysunek 1C).
  7. Przymocuj pozostałe prostokątne boki dwóch trójkątnych ramek do suwaków dwóch szyn Y za pomocą (M6) (Rysunek 1C).
  8. Połącz dwie szyny Z za pomocą wału łączącego i złączy membranowych i dokręć blokujące sprzęgła (Rysunek 1C).
  9. Przymocuj dwie płyty łączące w kształcie litery T z tyłu szyny X za pomocą nakrętek i (M4). Następnie pociągnij dwie deski w kształcie litery T do dwóch końców szyny X i dokręć (Rysunek 1D).
  10. Przymocuj dwie płyty łączące w kształcie litery T do suwaków dwóch szyn Z za pomocą odpowiednio (M6) ( Rysunek 1D).
  11. Włóż silnik krokowy do otworu wału reduktora biegów i skręć ze sobą ich kołnierze (Rysunek 1E).
  12. Przymocuj pierścień łączący do końca wału aktywnej szyny X za pomocą (M4).
  13. Włóż wałek szyny X do sprzęgła i przymocuj reduktor biegów do pierścienia łączącego za pomocą (M4). Dokręć blokujące sprzęgła (Rysunek 1E).
  14. Zamocuj pozostałe dwa silniki krokowe i reduktory biegów do aktywnej szyny Y i szyny Z, korzystając z metod opisanych w krokach 1.11–1.12.
  15. Włóż zasilające i sterujące trzech silników krokowych odpowiednio do portów zasilania i sterowania ich sterowników i zabezpiecz po stronie sterownika.

2. Montaż stołu obrotowego

  1. Pobierz plik . Pliki projektowe DWG z plików uzupełniających tego artykułu. Przygotuj obiekty, wał mentalny, listwę ustalającą, rotator i obudowę za pomocą druku 3D lub obróbki mechanicznej.
  2. Umieść czujniki dotykowe w rowku korpusu obiektu i przyklej je do predefiniowanych obszarów dotykowych za pomocą taśmy dwustronnej (Rysunek 2B).
    UWAGA: Każdy obiekt składa się z czterech elementów podrzędnych: tablicy, korpusu obiektu z rowkiem w środku, tablicy pokrywy i czujników dotykowych.
  3. Przełóż przewody przez otwór w tablicy przedmiotowej i przymocuj pokrywę do korpusu obiektu za pomocą (Rysunek 2B).
  4. Przełóż przewody czujników dotykowych przez otwory po bokach rotatora i przymocuj przedmioty do rotatora za pomocą. (Rysunek 2C).
  5. końcówki przewodów czujników dotykowych do obracających się końców elektrycznego pierścienia ślizgowego i owiń połączenia taśmą izolacyjną (Rysunek 2D).
  6. Przymocuj obudowę do suwaka szyny X za pomocą. Umieść łożysko w dolnym otworze skrzynki i przymocuj listwę ustalającą do górnej powierzchni obudowy za pomocą ( Rysunek 2E).
  7. Umieść rotator w obudowie z boku, pokrywając się z osiami rotatora, łożyska i skrzynki. Przełóż przewody elektrycznego pierścienia ślizgowego przez górny otwór obudowy ( Rysunek 2F).
  8. Włóż metalowy wałek do łożyska od górnego otworu obudowy i dopasuj wpust wału do rowka wpustowego rotatora (Rysunek 2G).
  9. Ustaw elektryczny pierścień ślizgowy wokół metalowego wału. Umieść koniec pręta ustalającego w wycięciu elektrycznego pierścienia ślizgowego, aby zapobiec obracaniu się pierścienia zewnętrznego (Rysunek 2G).
  10. Włóż wałek silnika krokowego do otworu metalowego wału i zabezpiecz silnik na górze pudełka za pomocą. (Rysunek 2H).
  11. Włóż zasilające i sterujące silnika do portów zasilania i sterowania jego sterownika i zabezpiecz je.
  12. Przyklej trójkolorową diodę LED (RGB) z przodu obudowy za pomocą taśmy i przymocuj prawą płytkę boczną do obudowy.

3. Konfiguracja systemu sterowania

  1. Podłącz przewody sterowania kierunkowego i impulsowego czterech sterowników silników odpowiednio do cyfrowych portów I/O (piny 81, 83, 85, 87) i cyfrowych portów licznika (piny 89, 91, 93, 95) karty akwizycji danych (DAQ). Zabezpiecz przewody.
  2. Włóż przewody sterujące diody LED (kolor zielony używany do sygnalizacji "go", kolor niebieski używany do sygnalizacji "błędu" i kolor czerwony oznaczający bezczynność) do cyfrowych portów I/O (pin 65 i 66) karty DAQ i zabezpiecz je.
  3. Włóż przewody wyjściowe czujników dotykowych i przycisk przełącznika do cyfrowych portów I/O (pin 67–77) płyty DAQ i zabezpiecz przewody.
  4. Włożyć przewody start-stop i sterowania kierunkiem pompy perystaltycznej odpowiednio do cyfrowych styków I/O 1 i 80. Włóż przewód kontroli prędkości przepływu do analogowego portu I/O AO2. Zabezpiecz przewody.
  5. Skonfiguruj system przechwytywania ruchu zgodnie z opisem producenta, aby rejestrować trajektorię dłoni w przestrzeni 3D.
    UWAGA: Zastosowano komercyjny system przechwytywania ruchu (patrz tabela materiałów), który składa się z ośmiu kamer, koncentratora zasilania, przełącznika Ethernet i oprogramowania pomocniczego (np. Cortex). Zapoznaj się z instrukcją, aby uzyskać więcej informacji na temat konfiguracji systemu.
  6. Skonfiguruj system akwizycji sygnałów neuronowych zgodnie z opisem producenta, aby rejestrować sygnał elektrofizjologiczny od pacjenta.
    UWAGA: Zastosowano komercyjny system akwizycji danych (Tabela materiałów), który składa się z procesora sygnału neuronowego (NSP), wzmacniacza front-end (FEA), zasilacza wzmacniacza (ASP), stopni głównych i oprogramowania wspomagającego (np. Central). Zapoznaj się z instrukcją, aby uzyskać więcej informacji na temat konfiguracji systemu.

4. Przygotowanie sesji eksperymentalnej

  1. Zainicjuj urządzenie translacyjne 3D i stół obrotowy. W szczególności pociągnij suwaki wszystkich liniowych szyn przesuwnych do punktu początkowego (lewy dolny róg) i obróć pierwszy obiekt (tj. pionowo umieszczony uchwyt) stołu obrotowego tak, aby był skierowany w stronę przedniej strony stołu obrotowego.
  2. Włącz urządzenia eksperymentalne, w tym system przechwytywania ruchu, akwizycję sygnału neuronowego, płytkę DAQ, pompę perystaltyczną i cztery silniki.
  3. Skonfiguruj oprogramowanie paradygmatu (Rysunek 3A).
    1. Kliknij dwukrotnie Paradigm.exe, aby otworzyć oprogramowanie paradygmatu (dostępne na żądanie).
    2. Określ liczbę pozycji dotarcia i ich współrzędne 3D (x, y i z w milimetrach) względem pozycji początkowych (krok 4.2).
    3. Napisz współrzędne wszystkich pozycji w postaci macierzy w dokumencie .txt. Upewnij się, że każdy wiersz zawiera współrzędne x, y i z jednej pozycji oddzielone spacją. Zapisz dokument txt.
    4. Kliknij przycisk Otwórz plik w panelu Pula oprogramowania paradygmatu i wybierz zapisany wcześniej dokument .txt, aby załadować pozycje prezentacji do oprogramowania paradygmatu.
      UWAGA: W tym badaniu ustawiono osiem pozycji docelowych w zależności od zasięgu zwierzęcia, które znajdują się na wierzchołkach prostopadłościennej przestrzeni roboczej9,10 (90 mm x 60 mm x 90 mm).
    5. Sprawdź obiekty, które mają być zaprezentowane w eksperymencie w Puli obiektów oprogramowania paradygmatu.
    6. Dostosuj parametry eksperymentalne w panelu Parametry czasu oprogramowania paradygmatu. Ustawiona linia bazowa = 400 ms, Przebieg silnika = 2 000 ms, Planowanie = 1 000 ms, Maksymalny czas reakcji = 500 ms, Maksymalny czas dotarcia = 1 000 ms, Min. Czas podtrzymania = 500 ms, Nagroda = 60 ms i Sygnalizacja błędu = 1 000 ms.
  4. Posadź małpę rezusa (z układem mikroelektrod wszczepionym w korę ruchową) na krześle małpy, wkładając jej kołnierz w rowek krzesła i mocując jej głowę.
  5. Przymocuj krzesło małpy do aluminiowej ramy konstrukcyjnej. Trzymaj głowę w odległości 250 mm od przedniej strony prostopadłościanu i utrzymuj oczy 50 mm powyżej górnej strony prostopadłościanu (kąt widzenia w poziomie: 20°; kąt widzenia w pionie: 18°).
  6. Skonstruuj szablon śledzenia systemu przechwytywania ruchu.
    1. Przymocuj trzy odblaskowe znaczniki na końcu ramienia (blisko nadgarstka) za pomocą taśmy dwustronnej. Upewnij się, że trzy znaczniki tworzą trójkąt scalene.
    2. Kliknij przycisk Uruchom oprogramowania paradygmatu, aby rozpocząć zadanie.
    3. Kliknij przycisk Nagraj w panelu Motion Capture w oprogramowaniu Cortex, aby rejestrować trajektorie trzech znaczników przez 60 sekund, gdy małpa wykonuje zadanie. Kliknij przycisk Zatrzymaj, aby zawiesić eksperyment.
    4. Zbuduj szablon śledzenia trzech znaczników w oprogramowaniu Cortex, korzystając z zarejestrowanych trajektorii i zapisz szablon.
      UWAGA: Zapoznaj się z instrukcją Cortex, aby uzyskać więcej informacji na temat budowy modelu.
  7. Połącz porty GND MES i układ mikroelektrod wszczepionych w korę ruchową małpy za pomocą drutu i szczypnij kurki. Następnie włóż stopnie głowicy do złącza mikroelektrody array31.
  8. Otwórz oprogramowanie centralne systemu akwizycji sygnału neuronowego i ustaw parametry nagrywania, w tym ścieżkę zapisu, eliminację szumów linii, filtr spajków, próg skoków itp.
    UWAGA: Aby uzyskać więcej informacji na temat ustawień oprogramowania, zapoznaj się z instrukcją systemu akwizycji sygnałów neuronowych.
  9. Otwórz oprogramowanie do synchronizacji (Rysunek 3B, dostępny na żądanie). Kliknij trzy przyciski Połącz w panelach Cerebus, Motion Capture i Paradigm, aby połączyć oprogramowanie synchronizujące odpowiednio z systemem akwizycji sygnałów neuronowych, systemem przechwytywania ruchu i oprogramowaniem paradygmatu.
  10. Kliknij przycisk Uruchom w oprogramowaniu paradygmatu, aby kontynuować eksperyment.
  11. Kliknij przycisk Nagraj w panelu File Storage (Przechowywanie plików) w oprogramowaniu centralnym, aby rozpocząć nagrywanie sygnałów neuronowych.
  12. Sprawdź zapisany szablon śledzenia i kliknij przycisk Nagraj w panelu Motion Capture oprogramowania Cortex, aby rozpocząć nagrywanie trajektorii nadgarstka małpy.

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

Results

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

Rozmiar całego obszaru roboczego aparatu wynosi 600 mm, 300 mm i 500 mm odpowiednio w osiach x, y i z. Maksymalne obciążenie urządzenia translacyjnego 3D wynosi 25 kg, podczas gdy stół obrotowy (wraz z silnikiem krokowym) waży 15 kg i może być transportowany z prędkością do 500 mm/s. Precyzja kinematyczna urządzenia translacyjnego 3D jest mniejsza niż 0,1 mm, a hałas aparatu jest mniejszy niż 60 dB.

Aby zademonstrować użyteczność systemu, małpa jest szkolona (wcześniej przeszkolona w zadaniu s...

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

Discussion

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

Aparat behawioralny, który jest tutaj opisany, umożliwia próbne połączenie różnych ruchów sięgania i chwytania (tj. małpa może chwytać obiekty o różnych kształtach w dowolnych lokalizacjach 3D w każdej próbie). Osiąga się to poprzez połączenie niestandardowego stołu obrotowego, który przełącza różne obiekty, oraz liniowego urządzenia translacyjnego, które transportuje stół obrotowy do wielu pozycji w przestrzeni 3D. Ponadto sygnały neuronalne od małpy, trajektoria nadgarstka i kształty dłoni mogły być rejestrowane i sync...

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

Disclosures

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

Autorzy nie mają nic do ujawnienia.

Acknowledgements

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

Dziękujemy Panu Shijiang Shen za jego porady dotyczące projektowania aparatury oraz Pani Guihua Wang za pomoc w opiece nad zwierzętami i szkoleniu. Prace te były wspierane przez Narodowy Kluczowy Program Badawczo-Rozwojowy Chin (2017YFC1308501), Narodową Fundację Nauk Przyrodniczych Chin (31627802), Projekty Publiczne Prowincji Zhejiang (2016C33059) oraz Fundusze Badań Podstawowych dla Uniwersytetów Centralnych.

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., ChinyW50-25Efektywny przesuw, 600 mm; Obciążenie, 25 kg
Aktywna szyna YCCM Automation technology Inc., ChinyW60-35Efektywny przesuw, 300 mm, Obciążenie 35 kg
Aktywna szyna ZCCM Automation technology Inc., ChinyW50-25Efektywny przesuw, 500 mm; Obciążenie 25 kg
ŁożyskoTaobao.com6004-2RSHObudowa akrylowa
Niestandardowa obróbka mechanicznaTT-CAkryl
Pierścień łączącyCCM Automation technology Inc., Chiny57/60-W50
Wał łączącyCCM Automation technology Inc., ChinyD12-700Średnica, 12 mm; Długość, 700 mm
Sprzęgło membranoweCCM Automation technology Inc., ChinyCCM 12-12Średnica wewnętrzna, 12-12mm
Sprzęgło membranoweCCM Automation technology Inc., ChinyCCM 12-14Średnica wewnętrzna, 14-12mm
Elektryczny pierścień ślizgowySemring Inc., ChinySNH020a-12Akryl
Listwa ustalającaNiestandardowa obróbka mechanicznaTT-LAkryl
System przechwytywania ruchuMotion Analysis Corp. USEagle-2.36
System akwizycji sygnału neuronowegoBlackrock Microsystems Corp. USCerebus
NI DAQ deviceNational Instruments, USUSB-6341
ObjectCustom mechanical processingTT-OAcrylic
Passive Y-railCCM Automation technology Inc., ChinyW60-35Efektywny skok, 300 mm; Obciążenie 35 kg
Pasywna szyna ZCCM Automation technology Inc., ChinyW50-25Efektywny przesuw, 500 mm; Obciążenie 25 kg
CokółCCM Automation technology Inc., Chiny80-W60
Pompa perystaltycznaLonger Inc., ChinyBT100-1L
Przekładnia planetarnaCCM Automation technology Inc., ChinyPLF60-5Kołnierz, 60 i razy; 60 mm; Współczynnik redukcji, 1:5
Rama trójkąta prostokątnegoCCM Automation technology Inc., Chiny290-300
RotatorNiestandardowa obróbka mechanicznaAkrylowyTT-R
Yifeng Inc., Chiny60ST-M01930Kołnierz, 60 i razy; 60 mm; Moment obrotowy, 1,91 N· m; dla
serwomotoruYifeng Inc., Chiny60ST-M01330Kołnierz, 60 i razy; 60 mm; Moment obrotowy, 1,27 N· m; do wału szyny X
Niestandardowa obróbka mechanicznaAkrylowyTT-S
Taobao.com86HBS120, 86 i razy; 86 mm; Moment obrotowy, 1,27 N· m; Napęd stołu obrotowego
Czujnik dotykowyTaobao.comCM-12X-5V
Trójkolorowa dioda LEDTaobao.comCK017,
kształcie litery TCCM Automation technology Inc., Chiny110-120
silnik serwo na szynę Y i Z silnik krokowy Kołnierz płytka połączeniowa RGB w

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