Design og brug af et apparat til præsentation af objekter i 3D-arbejdsområde
Summary
Præsenteret her er en protokol til at bygge et automatisk apparat, der guider en abe til at udføre den fleksible Reach-to-fatte opgave. Apparatet kombinerer en 3D translationel enhed og drejebord til at præsentere flere objekter i en vilkårlig position i 3D-rum.
Abstract
At nå og gribe er stærkt koblede bevægelser, og deres underliggende neurale dynamik er blevet bredt undersøgt i det sidste årti. For at skelne mellem at nå og forstå kodninger er det vigtigt at præsentere forskellige objektidentiteter uafhængigt af deres positioner. Præsenteret her er designet af en automatisk apparat, der er samlet med en drejning bord og tredimensionale (3D) translationel enhed for at nå dette mål. Drejebordet skifter mellem forskellige objekter, som svarer til forskellige Grip typer, mens 3D translationel enheden transporterer Drejebordet i 3D-rum. Begge drives uafhængigt af motorer, således at målet position og objekt er kombineret vilkårligt. I mellemtiden registreres håndled og grebs typer via bevægelses Capture-systemet og berørings sensorer hhv. Desuden er repræsentative resultater, der viser succes uddannet abe ved hjælp af dette system er beskrevet. Det forventes, at dette apparat vil gøre det lettere for forskerne at studere kinematik, neurale principper og hjerne-maskine interfaces relateret til over ekstremitets funktion.
Introduction
Forskellige apparater er blevet udviklet til at studere de neurale principper underliggende nå og fatte bevægelse i ikke-menneskelige primat. I at nå opgaver, touchScreen 1,2, skærm markør styres af en joystick3,4,5,6,7, og Virtual Reality teknologi8 , 9 , 10 har alle været ansat til at præsentere 2D og 3D mål, hhv. At introducere forskellige greb typer, forskelligt formede objekter fast i en position eller roterende omkring en akse blev meget anvendt i gribe opgaver11,12,13. Et alternativ er at bruge visuelle signaler til at informere til at forstå det samme objekt med forskellige greb typer14,15,16,17. For nylig er det at nå og forstå bevægelser blevet undersøgt sammen (dvs., at emnerne når flere positioner og greb med forskellige greb typer i en eksperimentel session)18,19,20, 21,22,23,24,25,26,27,28,29. Tidlige eksperimenter har præsenteret objekter manuelt, hvilket uundgåeligt fører til lav tid og rumlig præcision20,21. For at forbedre eksperimentel præcision og spare arbejdskraft, er automatiske præsentationsenheder styret af programmer blevet meget brugt. For at variere målpositionen og grebs typen, har eksperimenterende udsat flere objekter samtidigt, men den relative (eller absolutte) position af mål og grebs typer er bundet sammen, hvilket forårsager stive affyrings mønstre gennem langvarig træning22 ,27,28. Objekter er normalt præsenteret i en 2D-plan, som begrænser mangfoldigheden af at nå bevægelse og neurale aktivitet19,25,26. For nylig er Virtual Reality24 og robot arm23,29 blevet introduceret for at præsentere objekter i 3D-rum.
Præsenteret her er detaljerede protokoller for bygning og brug af et automatiseret apparat30 , der kan opnå enhver kombination af flere målpositioner og greb typer i 3D-rum. Vi designede et drejebord til at skifte objekter og 3D translationel enhed til at transportere Drejebordet i 3D-rum. Både Drejebordet og translationel enhed drives af uafhængige motorer. I mellemtiden registreres 3D-forløbs banen for motivet håndled og neurale signaler samtidigt under hele eksperimentet. Apparatet giver en værdifuld platform for studiet af over ekstremitets funktion i rhesus-aben.
Protocol
Representative Results
Discussion
Den adfærdsmæssige apparat er beskrevet her gør det muligt en retssag-Wise kombination af forskellige nå og gribe bevægelser (dvs., aben kan forstå forskelligt formede objekter i enhver vilkårlig 3D steder i hvert forsøg). Dette opnås gennem kombinationen af en brugerdefineret dreje tabel, der skifter forskellige objekter og en lineær translationel enhed, der transporterer Drejebordet til flere positioner i 3D-rum. Hertil kommer, at neurale signaler fra aben, bane af håndled, og hånd former var i stand til at…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Vi takker Mr. Shijiang Shen for hans råd om apparat design og MS Guihua Wang for hendes hjælp med dyrepleje og uddannelse. Dette arbejde blev støttet af nationale centrale forsknings-og udviklings program i Kina (2017YFC1308501), National Natural Science Foundation i Kina (31627802), de offentlige projekter i Zhejiang-provinsen (2016C33059), og de grundlæggende forskningsmidler til Centrale universiteter.
Materials
| 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).
