• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Physique
    Des chercheurs découvrent une méthode pour détecter l'activité cérébrale liée à la motricité

    Le côté gauche de l'illustration montre l'étude expérimentale et la tâche du groupe. Les participants serrent leur main dans un poing après une commande audio (zéro seconde) et la maintiennent serrée jusqu'à ce qu'ils reçoivent une deuxième commande audio (environ cinq secondes). Des signaux d'électroencéphalographie (EEG) et d'électromyographie (EMG) sont enregistrés pour relier l'activité cérébrale et musculaire. Le côté droit de l'illustration montre les résultats de la classification des mouvements exécutés. http://nctech-lab.ru/en Crédit :Nikita Frolov/Université Innopolis

    Activité cérébrale liée à la motricité, en particulier sa détection précise, capacités de quantification et de classification, est d'un grand intérêt pour les chercheurs. Ils recherchent une meilleure façon d'aider les patients souffrant de déficiences cognitives ou motrices ou d'améliorer la rééducation neurologique des patients souffrant de lésions du système nerveux.

    Il existe une relation étroite entre l'activité motrice et cognitive du cerveau humain, et la suppression de l'activité rythmique spécifique des neurones dans le cortex sensorimoteur du cerveau - connu sous le nom de mu-rythme (8 à 14 hertz) - est un marqueur biologique de l'activité cérébrale liée à la motricité. Des études indiquent que cette caractéristique de l'activité cérébrale liée à la motricité souffre d'une variabilité intra- et inter-sujet lors de l'utilisation de méthodes traditionnelles pour l'explorer, telles que l'analyse temps-fréquence, filtrage spatial et apprentissage automatique.

    Dans la revue le chaos , Nikita Frolov et ses collègues de l'Université Innopolis en Russie abordent le problème sous un angle différent pour rechercher une caractéristique plus robuste de l'activité cérébrale associée à l'accomplissement de tâches motrices.

    "Nous émettons l'hypothèse que la suppression des oscillations mu entraînera une réduction des signaux d'activité cérébrale mesurés et, par conséquent, reflète la simplification de la dynamique neuronale sous-jacente, " a déclaré Frolov. " Pour résoudre ce problème, nous avons appliqué une analyse de quantification de la récurrence, qui est une puissante boîte à outils, pour explorer la complexité des systèmes à travers l'analyse de ses séries temporelles."

    Les travaux du groupe le confirment, pour la première fois, la dynamique neuronale au sein de la zone cérébrale sensorimotrice sous-jacente aux fonctions motrices du cerveau humain peut être simplifiée.

    "Nous l'avons démontré à l'aide de la boîte à outils RQA, ce qui est fondamentalement différent des méthodes traditionnelles de quantification de l'activité cérébrale liée à la motricité, " a déclaré Frolov. "Nous avons également démontré que les mesures de complexité RQA sont bien adaptées pour détecter et classer les tâches motrices."

    Ces résultats montrent un potentiel pour le développement de méthodes efficaces de classification des états cérébraux.

    "En introduisant avec précision un espace d'état, vous pouvez considérer tout système naturel comme un système dynamique. Pour le cerveau humain, vous pouvez créer un espace d'état en prenant les signaux mesurés de son activité comme variables d'état, " a déclaré Frolov.

    « Dans notre étude, nous considérons l'espace d'état formé par l'ensemble des électroencéphalogrammes (signaux d'activité électrique dans les régions corticales du cerveau) enregistrés dans le cortex moteur. Cela nous permet d'introduire "l'état" de la région corticale d'intérêt et de la considérer comme un système dynamique."

    L'une des applications des travaux du groupe est « la mise en œuvre de l'analyse RQA des électroencéphalogrammes en tant que noyau de calcul des interfaces cerveau-ordinateur pour la détection en ligne, quantification, et l'entraînement des fonctions motrices cérébrales, " a déclaré Frolov.

    "Ceci est pertinent non seulement pour le développement d'interfaces en boucle fermée pour l'entraînement des habiletés motrices pendant la rééducation neurologique, mais aussi pour le diagnostic des déficiences cognitives et motrices ainsi que des changements liés à l'âge."


    © Science https://fr.scienceaq.com