Summary
这里介绍的是一个协议,用于构建一个自动设备,用于引导猴子执行灵活的到达式任务。该装置结合了 3D 平移装置和车削表,在 3D 空间中的任意位置呈现多个对象。
Abstract
达到和把握是高度耦合的运动,其潜在的神经动力学在过去十年中被广泛研究。为了区分到达和把握编码,必须显示不同的对象标识,而与它们的位置无关。这里介绍了一个自动设备的设计,组装与车削表和三维(3D)平移设备,以实现这一目标。车削表切换与不同夹点类型对应的不同对象,而 3D 平移设备在 3D 空间中传输车削表。两者都由电机独立驱动,因此目标位置和对象被任意组合。同时,手腕轨迹和握持类型分别通过运动捕捉系统和触摸传感器进行记录。此外,还介绍了使用该系统成功训练的猴子的代表性结果。预计该装置将有助于研究人员研究与上肢功能相关的运动学、神经原理和脑机界面。
Introduction
已经开发出各种仪器来研究非人类灵长类动物到达和把握运动背后的神经原理。在执行任务时,触摸屏1,2,屏幕光标由操纵杆3,4,5,6,7和虚拟现实技术8控制,9,已分别使用10个用于提出 2D 和 3D 目标。为了引入不同的夹持类型,固定在一个位置或围绕轴旋转的不同形状的物体被广泛应用于抓握任务11、12、13中。另一种选择是使用视觉提示来通知受试者用不同的抓地力类型14、15、16、17抓住同一物体。最近,到达和把握运动一起研究(即,受试者在实验环节中达到多个位置,用不同的抓地力类型进行握握)18、19、20 21,22,23,24,25,26,27,28,29。早期的实验已经提出对象手动,这不可避免地导致低时间和空间精度20,21。为了提高实验精度,节省人力,程序控制的自动演示装置得到了广泛的应用。为了改变目标位置和夹点类型,实验者同时暴露了多个对象,但目标的相对(或绝对)位置和夹点类型绑定在一起,通过长期训练导致刚性射击模式22 ,27,28.物体通常呈现在2D平面上,这限制了到达运动和神经活动的多样性19,25,26。最近,虚拟现实24和机器人臂23,29被引入到3D空间的呈现对象。
这里介绍了用于构建和使用自动化设备30的详细协议,该装置可在 3D 空间中实现多个目标位置和夹持类型的任意组合。我们设计了一个车削台来切换物体和3D平移设备,以在3D空间中传输车削台。车削台和平移装置均由独立电机驱动。同时,在整个实验中同时记录受试者手腕和神经信号的三维轨迹。该装置为研究风河猴上肢功能提供了宝贵的平台。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
所有行为和外科手术均符合《实验室动物护理和使用指南》(中国卫生部),并经中国浙江大学动物护理委员会批准。
1.组装3D翻译设备
- 使用铝制结构导轨(横截面:40 mm x 40 mm)构建尺寸为 920 mm x 690 mm x 530 mm 的框架。
- 用螺钉 (M4) 固定到 Y 导轨两端的四个底座(图1B)。
- 用螺钉 (M6) 将四个底座固定到顶部表面的四个角上,从而将两个 Y 形导轨平行地固定在框架的顶部表面上(图1B)。
- 将两个 Y 导轨与连接轴和两个隔膜联轴连接。拧紧联轴器的锁螺钉以同步两个导轨的轴(图 1B)。
- 将六个螺母 (M4) 放入 Z 导轨的后槽中。使用螺钉将直角三角形框架的一侧连接到 Z 导轨背面。
- 将三角形框架拉到与轴远角的末端,然后拧紧螺钉。以同样的方式将另一个直角三角形框架连接到其他 Z 形轨(图 1C)。
- 用螺钉 (M6) 将两个三角形框架的其他直角边固定到两个 Y 导轨的滑块上(图 1C)。
- 将两个 Z 导轨与连接轴和隔膜接头连接,并拧紧联轴的锁螺钉(图 1C)。
- 使用螺母和螺钉 (M4) 将两个 T 形连接板连接到 X 导轨的背面。然后将两个 T 形板拉到 X 导轨的两端,然后拧紧螺钉(图 1D)。
- 分别用螺钉 (M6) 将两个 T 形连接板固定在两个 Z 导轨的滑块上(图 1D)。
- 将步进电机插入减速器的轴孔,并将法兰拧在一起(图1E)。
- 使用螺钉 (M4) 将连环固定到有源 X 导轨的轴端。
- 将 X 导轨轴插入联轴器,用螺钉 (M4) 将减速器固定到连接环上。 拧紧联轴器的锁螺钉 (图 1E)。
- 使用步骤 1.11_1.12 中所述的方法,将其他两个步进电机和减速器固定到有源的 Y 轨和 Z 轨上。
- 将三个步进电机的电源和控制电缆分别插入其驱动器的电源和控制端口,并在驾驶员侧用螺钉固定电缆。
2. 装配车削台
- 下载 .DWG 设计文件从本文的补充文件。通过 3D 打印或机械处理准备物体、心轴、定位杆、旋转器和外壳。
- 将触摸传感器放入物体体的凹槽中,用双面胶带将其粘在预定义的触摸区域(图2B)。
注:每个物体由四个子组件组成:背板、带凹槽的物体主体、盖板和触摸传感器。 - 通过物体背板的孔传递导线,用螺钉将盖板固定到物体主体上(图2B)。
- 触摸传感器的导线穿过旋转器侧面的孔,用螺钉将物体固定到旋转器上。(图2C)
- 将触摸传感器的导线端焊接到电气滑环的旋转线端,用电气胶带包裹接头(图 2D)。
- 用螺钉将外壳固定到 X 导轨的滑块上。将轴承放在箱体的底部孔中,用螺钉将定位杆固定到外壳的顶面(图 2E)。
- 将旋转器从侧面放入箱体中,与旋转器、轴承和箱轴重合。将电滑环的导线穿过外壳的顶部孔(图 2F)。
- 将金属轴从壳体顶部孔插入轴承,并将轴键安装到旋转器的键道上(图 2G)。
- 在金属轴周围设置电动滑环。将定位杆的末端放入电滑环的凹槽中,以防止外圈旋转(图 2G)。
- 将步进电机轴插入金属轴孔中,用螺钉将电机固定在箱体顶部。(图2H)
- 将电机的电源和控制电缆插入其驱动器的电源和控制端口,然后用螺钉将其固定。
- 用胶带将三色 LED (RGB) 粘在外壳的正面,并将右侧板固定到外壳上。
3. 控制系统的设置
- 将四个电机驱动器的方向和脉冲控制线分别插入数据采集 (DAQ) 板的数字 I/O 端口(引脚 81、83、85、87)和数字计数器端口(引脚 89、91、93、95)。用螺钉固定导线。
- 将 LED 的控制线(用于"go"提示的绿色、用于"错误"提示的蓝色和表示空闲的红色)插入 DAQ 卡的数字 I/O 端口(引脚 65 和 66),并使用螺钉将其固定。
- 将触摸传感器和开关按钮的输出导线插入 DAQ 板的数字 I/O 端口(引脚 67–77),然后用螺钉固定导线。
- 将蠕动泵的启动-停止和方向控制导线分别插入数字 I/O 引脚 1 和 80 中。将流速控制线插入模拟 I/O 端口 AO2。用螺钉固定导线。
- 设置制造商描述的运动捕捉系统,在 3D 空间中记录手轨迹。
注:使用了商业运动捕获系统(见材料表),该系统由8个摄像头、一个电源集线器、一个以太网交换机和一个支持软件(例如Cortex)组成。请参阅手册以获取有关系统设置的更多详细信息。 - 建立制造商描述的神经信号采集系统,以记录来自受试者的电生理信号。
注:使用了商业数据采集系统(材料表),该系统由神经信号处理器(NSP)、前端放大器(FEA)、放大器电源(ASP)、头级及其支持软件(如中央)组成。有关系统设置的更多详细信息,请参阅手册。
4. 筹备实验会议
- 初始化 3D 平移设备和车削表。具体而言,将所有线性滑轨的滑块拉到起点(左下角),然后转动车削表的第一个对象(即垂直放置的手柄)以面对车削表的前侧。
- 为实验设备供电,包括运动捕获系统、神经信号采集、DAQ 板、蠕动泵和四个电机。
- 设置范例软件 (图 3A.
- 双击Paradigm.exe以打开范例软件(可应要求提供)。
- 定义与初始位置(步骤 4.2)相关的到达位置及其 3D 坐标(x、y 和 z,以毫米为单位)的数量。
- 在 .txt 文档中以矩阵形式写入所有位置的坐标。确保每行都包含一个用空格分隔的位置的 x、y-和 z 坐标。保存 txt 文档。
- 单击范例软件的池面板中的"打开文件",然后选择之前保存的 .txt 文档,将演示位置加载到范例软件中。
注:在这项研究中,根据动物的到达范围设置8个目标位置,这些位置位于立方体工作空间9,10(90毫米x60毫米x90毫米)的顶点处。 - 检查在范例软件的对象池中实验中显示的对象。
- 调整范例软件的时间参数面板中的实验参数。设置基线 = 400 ms,电机运行 = 2,000 ms,计划 = 1,000 ms,最大反应时间 = 500 ms,最大到达时间 = 1,000 ms,最小保持时间 = 500 ms,奖励 = 60 ms,错误提示 = 1,000 ms。
- 将这只河河猴(将微电极阵列植入运动皮层)放在猴椅上,将其衣领插入椅子的凹槽并固定头部。
- 将猴子椅固定在铝制框架上。使头部远离立方体的前侧 250 mm,使眼睛保持在立方体工作空间顶部上方 50 mm(水平视角:20°;垂直视角:18°)。
- 构建运动捕捉系统的跟踪模板。
- 用双面胶带在手臂末端(靠近手腕)连接三个反光标记。确保三个标记形成一个刻度三角形。
- 单击范例软件的"运行"按钮以启动任务。
- 单击 Cortex 软件"运动捕捉"面板上的"记录"按钮,在猴子执行任务时记录 60 s 的三个标记的轨迹。单击"停止"按钮以挂起实验。
- 使用录制的轨迹在 Cortex 软件上构建三个标记的跟踪模板并保存模板。
注意:请参阅 Cortex 手册,了解有关如何构建模型的更多详细信息。
- 连接FEA的GND端口和微电极阵列植入猴子的运动皮层与电线和捏公鸡。然后将头级插入微电极阵列31的连接器中。
- 打开神经信号采集系统的中央软件,设置存储路径、线路噪声消除、尖峰滤波器、尖峰阈值等记录参数。
注:有关软件设置的更多详细信息,请参阅神经信号采集系统手册。 - 打开同步软件(图 3B,可应要求提供)。单击 Cerebus、运动捕获和范式面板中的三个连接按钮,分别将同步软件与神经信号采集系统、运动捕获系统和范例软件连接。
- 单击范例软件的"运行"按钮以继续实验。
- 单击中央软件"文件存储"面板上的"记录"按钮开始记录神经信号。
- 检查保存的跟踪模板,然后单击 Cortex软件"运动捕捉"面板上的"记录"按钮,开始记录猴子手腕的轨迹。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
设备的完整工作空间尺寸分别为 600 mm、300 mm 和 500 mm(x 轴、y 轴和 z 轴)。3D 平移装置的最大负载为 25 kg,而车削台(包括步进电机)的加权重量为 15 kg,可以高达 500 mm/s 的速度运输。3D平移装置的运动精度小于0.1毫米,器件噪声小于60分贝。
为了证明系统的效用,猴子被训练(以前在到达任务中训练),用系统30完成延迟的到达抓握任务。使用上面介绍的过程,范例软件自动按试验呈现行为实验(每期 500 次试验)。具体来说,猴子必须开始试验(图4),按下按钮,并在"去"提示之前按住它。作为第一步("电机运行"阶段),3D 平移设备将车削表传输到伪随机选择的位置,同时,车削表也将旋转以呈现伪随机选择的对象。此电机运行阶段持续 2 秒,所有四个电机(3D 平移器件中的 3 个,车削表中的 1 个)同时启动和停止。电机运行阶段后是"计划"阶段(1 秒),在此期间猴子计划以下运动。一旦绿色 LED("去"提示)打开,猴子应释放按钮,伸手进入转向表,并尽快抓住具有相应夹持类型的物体(最大反应时间 = 0.5 s;最大移动时间 = 1 s)。猴子在至少保持0.5s后获得水奖励。一个试验中止,如果猴子在"去"提示之前释放按钮,或者在提示后的最大反应时间内没有释放按钮,则蓝色 LED 将打开。
同步软件从范例软件和运动捕获系统中接收事件标签(例如,按钮打开、Go Cue、按钮关闭等),并从运动捕获系统中接收"启动记录"标签,然后将它们实时发送到神经信号采集系统在实验期间。所有标签都保存有神经信号,但手腕的轨迹存储在单独的文件中。为了及时对齐神经信号和轨迹,"开始记录"标签的时间戳被作为轨迹的第一个样本的时间戳,然后根据运动捕获系统的帧速率为其他样本分配增量时间戳。图 3显示了时间对齐的事件标签、手腕轨迹和示例神经元活动。
在所有成功的试验中,手腕在到达阶段的轨迹被提取,并根据目标位置将它们分成八组(图5)。对于每组轨迹,计算每个时间点的平均值和 95% 置信区间。图 5中的轨迹图显示,八组轨迹的末端形成一个立方体,其大小与预定义的立方体工作区(步骤 4.3.4)相同。分别绘制了单个神经元的围点时间直方图 (PSTH),分别相对于到达位置和对象绘制。在成功试验中,尖峰列车被装箱,滑动窗口为50 ms,并用高斯内核平滑(= = 100 ms)。每个组的平均值和 95% 置信区间由引导方法(n = 2,000)计算。图 6显示了两个示例神经元的 PSTHs,这些神经元调谐到位置和对象。图 6A中的神经元在到达和保持阶段表现出显著的选择性,而图 6B中的神经元则从"运动运行"阶段的中间开始调整位置和对象。
图 1:3D 翻译设备组件的分步说明。
I-I X 导轨、I-III Y-轨、I-II Z 形导轨、II 连接轴、III 步进电机、IV 行星齿轮减速器、V 连接环、VI 隔膜联轴联轴、VII 底座、VIII T 形连接板、IX 直角三角框架。(A) 翻译设备组件的材料.(B) 构建框架并安装 Y 导轨(步骤 1.1_1.4)。(C) 将两个 Z 导轨固定到 Y 导轨上(步骤 1.5_1.7)。(D) 将 X 导轨固定到 Z 轨上(步骤 1.8 和 1.9)。(E) 安装步进电机和齿轮再减速器(步骤 1.10 和 1.11)。(F) 完全组装的 3D 平移设备(步骤 1.12 和 1.3)。请点击此处查看此图的较大版本。
图 2:车削表组件的分步说明。
(A) 用于车削表装配的材料.(B) 组装物体和安装触摸传感器(步骤 2.2)。(C) 将对象固定到旋转器上(步骤 2.3)。(D) 将传感器的导线连接到电动滑环(步骤 2.4)。(E) 将底座安装到 3D 平移设备上,并放置定位杆和轴承(步骤 2.5)。(f) 将旋转器放入壳中(步骤 2.6)。(G) 安装轴和电动滑环(步骤 2.7 和 2.8)。(H) 安装步进电机(步骤 2.9)。请点击此处查看此图的较大版本。
图3:范例和同步软件的图形用户界面。
(A) 一个定制的 LabView 程序来控制行为任务.(B) 一个定制的C++程序,用于与范例软件、神经信号采集系统和运动捕获系统进行通信。请点击此处查看此图的较大版本。
图 4:成功试验中的时间对齐数据。
同时记录所有事件计时、手腕轨迹(X、Y 和 Z)和神经元活动(示例单元 1-3)。顶行中的黑色短线是事件标签。"按钮打开"表示猴子按下按钮的时间;"仓位指数"是 1+8 的数字,表示显示哪个到达位置;"对象索引"是 1+6 中的数字,表示显示的对象;"电机开机"表示四个电机的开始时间。"电机关闭"表示其停止时间;"Go Cue"表示绿色 LED 调上的时刻;"按钮关闭"表示猴子释放按钮的时刻;"触摸打开"表示物体中的触摸传感器检测到手的时刻;"奖励打开"表示泵开始提供水奖励的那一刻,并代表试验的结束。在试用开始时的极短时间内,将依次保存"按钮打开"、"位置索引"和"对象索引"标签。第 2-4 行(标有 X、Y 和 Z)在运动捕获系统记录的 3D 中绘制手腕的轨迹。第 5-7 行(标有单元 1、2 和 3)显示由神经信号采集系统记录的三个示例神经元的尖峰训练。底行显示完整试用的时间线,根据事件标签分为六个阶段。请点击此处查看此图的较大版本。
图5:运动捕捉系统记录的手腕轨迹。
所有成功的试验都根据目标位置分为八组(标有字母 A 到 H)。每个实线是一个组的平均轨迹,阴影表示轨迹的方差。这个数字是从以前的研究30修改的。请点击此处查看此图的较大版本。
图6:两个示例神经元(A 和 B)的 PSTHs。
按顺序从右向左的垂直虚线依次为"电机打开"、电机关闭、"前进提示打开"、按钮关闭和"触摸打开"。PSTH 中的每个实线(不同颜色)表示针对一个目标位置的试验的平均发射速率,阴影表示 95% 的置信区间(引导;2,000 次)。对于A 和 B,上面板和下面板分别显示不同位置和对象的 PSTH。请点击此处查看此图的较大版本。
补充文件。 请点击此处下载文件。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
此处描述的行为装置允许不同到达和抓握运动的试用组合(即,猴子可以在每次试验中的任何任意 3D 位置抓住不同形状的物体)。这是通过切换不同对象的自定义车削表和将车削表传输到 3D 空间中的多个位置的线性平移设备的组合来实现的。此外,猴子的神经信号、手腕轨迹和手形能够被记录和同步用于神经生理学研究。
该装置包括单独驱动的3D平移装置和车削表,独立呈现多个目标位置和物体。也就是说,所有预定义的位置和对象都是任意组合的,这在研究多变量编码14、25、28中非常重要。相反,如果要抓住的物体与位置相关联(例如,该对象固定在面板上),则很难确定单个神经元是调谐对象还是位置18、27、32。此外,该装置在3D空间中呈现物体,而不是在2D平面19,27上,通过空间调制激活更多的神经元。
螺栓连接在仪器的子组件之间广泛使用,因此具有很高的可扩展性和灵活性。通过设计物体的形状和触摸传感器的位置,精确诱导和识别了大量的夹持类型。3D 平移器件可在 3D 空间内移动小于 25 kg 的任何子组件,并可胜任涉及空间位移的大多数任务。此外,虽然该设备是专为训练河河猴(马卡木拉塔),由于3D翻译装置的可调范围,它也有能力为其他灵长类动物具有类似或更大的体型,甚至人类。
结合到达和抓握运动的行为任务的主要关注点是,即使猴子抓住具有相同抓地力类型的物体,手的姿势是否因不同到达位置而不同。虽然伸手和抓握通常被视为两种不同的运动,但其作用器(手臂和手)是相连的。因此,到达运动与把握相互作用是不可避免的。根据实验的观察,猴子在不同位置抓住同一物体时手腕角度略有变化,但未观察到手部姿势的显著差异。
该设备的一个潜在限制是,由于运动捕获系统的红外光,实验室并不完全暗。猴子可能会在整个跟踪中看到目标对象,从而导致在计划期之前进行不需要的调谐。为了控制对物体的可视访问,可以在头部和设备之间放置一个由范例软件控制的可切换玻璃。在基线和规划阶段,可切换玻璃不透明,在"去"提示后变为透明。通过这种方式,精确控制视觉信息。同样,白噪声也可以用来掩盖电机运行的声音,从而阻止猴子通过马达的声音识别物体的位置。仪器的另一个限制是手指的运动无法跟踪。这是因为猴子必须把手伸进转动的桌子去抓住物体,这阻止了相机捕捉手上的标记。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
我们感谢沈世江先生对仪器设计的建议,感谢王桂华女士在动物护理和培训方面给予的帮助。这项工作得到了国家重点研究发展计划(2017YFC1308501)、国家自然科学基金(31627802)、浙江省公共项目(2016C33059)和基础研究基金的支持。中央大学。
Materials
| Name | Company | Catalog Number | Comments |
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- 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).
- 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).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- 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).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- 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).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- 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).
- 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).
- 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).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- 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).
- 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).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- 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).
- 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).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
