Valutazione della stabilità di decodifica neurale di coordinate spaziali e parametri biomeccanici dell'arto superiore di macaco durante compiti di reaching mediante modellazione deep learning e OpenSim

Le interfacce cervello-computer traducono l'attività neurale in comandi per dispositivi esterni, offrendo opportunità riabilitative per pazienti con deficit motori. La loro efficacia dipende dalla comprensione di come il cervello codifichi i movimenti: attraverso coordinate spaziali (rappresentazione estrinseca) o parametri biomeccanici corporei (rappresentazione intrinseca). L'area F2 della corteccia premotoria dorsale, ponte tra percezione sensoriale ed esecuzione motoria, gioca un ruolo cruciale nella pianificazione del movimento. Questo studio investiga quali aspetti del movimento siano codificati in F2 di Macaca fascicularis durante reaching, confrontando la decodifica neurale di coordinate spaziali, angoli articolari, velocità, accelerazioni e lunghezze muscolari. È stato sviluppato un protocollo integrando tracciamento markerless e modellazione biomeccanica in OpenSim per estrarre parametri intrinseci. Una rete LSTM ha decodificato l'attività di popolazioni neuronali di diverse dimensioni mediante cross-validation su due registrazioni dello stesso soggetto. Le coordinate spaziali sono state predette con elevata accuratezza, mentre angoli articolari e velocità hanno mostrato performance inferiori. Le lunghezze muscolari hanno raggiunto risultati promettenti. L'analisi tra le due registrazioni ha rivelato variabilità nelle performance, pur confermando la riproducibilità metodologica. I risultati suggeriscono che F2 codifichi maggiormente rappresentazioni spaziali estrinseche rispetto a parametri articolari, mantenendo informazioni su configurazioni corporee e stati muscolari. Il protocollo costituisce una pipeline funzionale per l'analisi integrata di parametri estrinseci e intrinseci, aprendo possibilità per analisi su altre aree corticali e compiti motori più complessi.