Urmărirea neuronală a SL auditiv.

(A) Reprezentarea schematică a sarcinii SL auditive.

Fluxul structurat (stânga) conținea 12 silabe [asincronie de declanșare a stimulilor de 250 ms (SOA), 4 Hz] în care TP-urile au format patru cuvinte (cod color pentru vizualizare, 750 ms SOA, 1,33 Hz).

Fluxul aleatoriu (dreapta) conținea aceleași 12 silabe într-o ordine aleatorie.

Răspunsul neuronal prezis este prezentat sub fiecare flux de silabe: urmărirea silabelor (sus) era de așteptat în ambele condiții, în timp ce urmărirea cuvintelor (jos) era de așteptat doar în condiția structurată.

(B) Spectrul de coerență de fază în datele neuronale pentru condițiile structurate (stânga, neagră) și aleatorii (dreapta, gri) de la 1898 electrozi la 17 pacienți.

Fiecare electrod semnificativ este descris cu o linie subțire, iar media este reprezentată cu o linie groasă.

(C) Spectru de coerență de fază în starea structurată pentru electrozi care prezintă răspunsuri de urmărire a cuvintelor, în două grupe: electrozi care au prezentat Oamenii experimentează continuu intrarea senzorială ca unități segmentate de cuvinte și evenimente.

Învățarea reprezentărilor ierarhice ale secvențelor în cortexul uman și hipocampus

de TMedical Xpress

Capacitatea creierului de a descoperi regularități este cunoscută sub numele de învățare statistică .

Acest concept poate fi reprezentat la mai multe niveluri, inclusiv probabilități tranzitorii și identitatea unităților.

Într-un nou raport publicat acum pe Science Advances, Simon Henin și o echipă de oameni de știință de la Școala de Medicină a Universității din New York, Universitatea Yale și Institutul Max Planck din SUA și Germania au înregistrat codificarea secvenței în cortex și hipocampus a subiecților umani expuși secvențelor auditive și vizuale cu timp (timp -based) regularități.

Folosind procesarea timpurie, au urmărit caracteristici de nivel inferior, cum ar fi silabe și unități învățate, inclusiv cuvinte, în timp ce procesarea ulterioară a putut urmări doar unitățile de învățare.

Descoperirile au arătat existența mai multor sisteme de calcul paralele la oameni pentru a ajuta învățarea în cadrul unităților organizate cortico-hipocampale.

Înțelegerea codului de vorbire

Primim și experimentăm contribuții continue din lume în bucăți digestibile.

De exemplu, cu limbajul, oamenii pot dobândi și extrage secvențe semnificative, inclusiv propoziții, cuvinte și fraze dintr- un flux continuu de sunete fără limite acustice clare sau pauze între elementele lingvistice.

Această segmentare se întâmplă întâmplător și fără efort ca element de bază în timpul dezvoltării.

Comportamentul învățării probabilităților tranzitorii între silabe sau forme la sugari sau adulți este cunoscut sub numele de „ învățare statistică ”.

Cu toate acestea, mecanismul creierului care susține astfel de funcții cognitive este slab înțeles.

Este bine cunoscut pentru regiunile creierului, cum ar fi hipocampul și girusul frontal inferior(IFG) pentru a ajuta la învățarea statistică vizuală și auditivă.

Pentru a înțelege acest proces, Henin și colab.

au efectuat înregistrări intracraniene de la 23 de pacienți cu epilepsie umană pentru a oferi o perspectivă mecanicistă asupra procesului fundamental de învățare umană în raport cu zonele corticale care răspund structurii lumii.

Constatările au evidențiat marcarea frecvenței neuronale (NFT) ca un instrument versatil pentru a investiga învățarea incidentală în populațiile de pacienți preverbali și nonverbali.

Similitudinea modelului rezultă în timpul SL auditiv.

Scalarea multidimensională (MDS) a distanțelor dintre răspunsurile silabice între electrozi care arată răspunsuri semnificative (A) cuvânt + silă și (B) răspunsuri numai cuvinte, precum și (C) între electrozi din hipocamp.

Cuvintele individuale sunt codificate prin culori; indicele reprezintă poziția ordinală (de exemplu, „tu1pi2ro3”).

Elipsele cu puncte punctate indică gruparea după TP, elipsele solide conturează gruparea după poziția ordinală, iar punctele elipse punctate indică gruparea la nivelul cuvintelor individuale (codate prin culori).

(D) Cuantificarea similarității multivariate pentru silabe în sarcina SL auditivă.

Stânga: Asemănare de către TP. Similitudinea mai mare în cadrul clasei indică o grupare mai puternică a silabelor cu TP scăzut (0,33) decât silabele cu TP ridicat (1,0).

Un test Friedman a indicat un efect principal al tipului de electrod asupra similitudinii TP (χ2 = 22,03, P <0,001).

Mijlociu: Între versus asemănare pentru poziția o Dovezi comportamentale ale învățării statistice auditive Henin și colab.

au studiat circuitele neuronale și calculul care stau la baza învățării statice prin prezentarea a 17 participanți cu fluxuri de silabe auditive după manipularea structurii secvenței.

Echipa a plasat fiecare silabă în prima, a doua și a treia poziție a unui cuvânt cu trei silabe sau a unui triplet în astfel de fluxuri structurate.

Probabilitățile tranzitorii rezultate au fost scăzute și uniforme fără un nivel de segmentare a cuvântului.

În timpul sarcinilor auditive, au generat 12 silabe consoane-vocale folosind MacTalk și le-au concatenat folosind software-ul MATLABpentru a crea două secvențe: o secvență de cuvinte structurată și aleatorie.

În secvența structurată, Henin și colab.

a manipulat probabilitățile de tranziție între silabe, astfel încât patru cuvinte ascunse să poată fi încorporate în ordine pentru a crea un flux continuu de limbaj artificial.

Au reprezentat rata de prezentare a silabei de bază la 4 Hz și rata cuvântului la 1,33 Hz.

Echipa nu i-a informat pe participanți cu privire la structură, ci le-a cerut să îndeplinească o sarcină de acoperire, unde au indicat repetări de silabe încorporate aleatoriu în fluxurile auditive.

Urmărirea neuronală a SL vizual.

(A) Reprezentarea schematică a sarcinii SL vizuale.

Fluxul structurat (stânga) a constat dintr-un flux vizual continuu de opt fractali (375 ms SOA, 2,66 Hz).

TP-urile au fost ajustate pentru a forma patru perechi fractale (750-ms SOA, 1,33 Hz).

Rețineți că SOA al fractalelor a fost alungit în comparație cu silabele pentru a se potrivi cu frecvența unităților învățate (perechi și cuvinte), având în vedere că au existat două fractale pe unitate și trei silabe.

Fluxul aleatoriu (dreapta) conținea aceleași fractale dar în ordine aleatorie.

Răspunsurile neuronale prezise sunt prezentate sub fiecare flux: urmărirea fractală este de așteptat pentru ambele fluxuri, în timp ce urmărirea perechilor este de așteptat numai pentru fluxul structurat.

(B) Spectrul de coerență de fază în datele neuronale pentru structurat (stânga, negru) și aleatoriu (dreapta, gri) stări de la 1606 electrozi la 12 pacienți.

Fiecare electrod semnificativ este descris cu o linie subțire, iar media din populație Urmărirea neuronală a învățării statistice auditive Henin și colab.

au obținut semnale neurofiziologice directe de la 1898 de electrozi intracranieni la 17 participanți pentru a acoperi în mod cuprinzător lobii parietali frontali, occipitali și temporali, precum și hipocampul din ambele emisfere.

Participanții au efectuat o sarcină cu două variante de alegere forțată (2AFC) în care au ascultat cele două segmente audio prezentate unul după altul pentru a selecta fluxul care conține unul dintre cuvintele ascunse.

Oamenii de știință au remarcat răspunsurile la originea predominantă a cortexului somatosenzorial / motor și temporal.

În medie, au observat o creștere semnificativă a coerenței ratei cuvintelor în fluxul structurat, dar nu în fluxul aleatoriu, pentru a sprijini aplicațiile sensibile și robuste ale NFT (etichetarea frecvenței neuronale) pentru a evalua învățarea statistică online.

Folosind NFT, au urmărit reprezentarea unităților segmentate la două niveluri ierarhice ale fluxului și apoi au testat coerența fazei în interiorul electrodului în potențialul de câmp și banda gamma în fluxurile structurate și aleatorii respective.

Folosind electrocorticografia, au arătat că ambele cuvinte și coerența silabelor au apărut în principal în girusul temporal superior (STG) cu grupuri mai mici în cortexul motor și pars opercularis.

În paralel, celălalt profil de reglare reflectă electrozi cu o coerență semnificativă exclusiv la rata cuvântului numai cu locații în girusul frontal inferior și lobul temporal anterior (ATL).

Gruparea anatomică a evidențiat neuroanatomia ierarhiei procesării auditive.

Analiza învățării statistice auditive și testarea învățării statistice vizuale.

Pentru a înțelege rezultatele marcării frecvenței neuronale (NFT), Henin și colab.

a examinat segmentarea care a condus la rezultat și a bazat acest lucru pe trei indicii statistice din flux; inclusiv (1) probabilități de tranziție, (2) poziție ordinală sau (3) identitate de cuvânt pentru a facilita funcții cognitive unice.

Ca și în cazul sarcinilor de învățare statistică auditivă, echipa a efectuat sarcini vizuale de învățare statistică cu grupurile de pacienți, unde echipa a format fractali folosind seturi de imagini similare cu cele utilizate în lucrările anterioare.

.

La fel ca înainte, participanții nu au fost informați cu privire la structură, dar au efectuat o sarcină de acoperire.

Henin și colab.

apoi a folosit NFT pentru a identifica zonele cerebrale care prezintă învățare statistică în înregistrări neurofiziologice de la 1606 electrozi intracranieni la 12 pacienți pentru a acoperi cortexul frontal, parietal temporal și occipital.

La fel ca în cazul învățării statistice auditive, au observat segregarea anatomică și ierarhică între două profiluri de reglare temporală a electrozilor, unde unul a arătat o antrenare semnificativă la rata fractală și a perechilor - în cea mai mare parte grupate în cortexul occipital și parietal , în timp ce cealaltă a arătat doar o antrenare semnificativă a perechii rate, în cortexul frontal, parietal și temporal.

Similitudinea modelului rezultă în timpul SL vizual MDS a distanțelor dintre răspunsurile la fractali individuali între (A) pereche numai, (B) pereche + fractal și (C) electrozi hipocampici.

Perechile sunt codificate prin culori; numerele impare se referă la prima poziție, iar numerele pare se referă la a doua poziție.

Elipse punctate punctează conturarea grupării după poziția TP / ordinală în perechi + electrozi fractali.

Elipsele solide conturează gruparea după poziția TP / ordinală în electrozi numai perechi.

Elipsele punctate indică gruparea pe perechi în electrozi numai perechi și hipocampali.

(D) Compararea similitudinii modelului multivariat pentru fractali în sarcina SL vizuală.

Stânga: Între comparativ între similitudine pentru TP scăzut versus ridicat.

Similitudine mai mare în cadrul clasei indică o grupare mai puternică a fractalelor cu TP scăzut (0,33) față de fractalii cu TP ridicată (1,0).

Un test Friedman a indicat un efect principal al tipului de electrod asupra similitudinii TP (χ2 = 19,3, P Outlook În acest fel, Simon Henin și colegii săi au folosit înregistrări intracraniene la oameni pentru a descrie modul în care creierul urmărește și învață structura în cadrul informațiilor senzoriale.

Procesul de învățare statistică a însoțit schimbări rapide în reprezentările neuronale reflectate în două răspunsuri cerebrale distincte din punct de vedere funcțional și anatomic.

Aceste răspunsuri distincte au dezvăluit o ierarhie anatomică, pe care au trasat-o în etapele timpurii de procesare senzorială din girusul temporal superior și cortexul occipital.

Echipa a cartografiat, de asemenea, etapele tardive de procesare amodală în girusul frontal inferior și lobul temporal anterior.

Pacienții au extras și au reprezentat structuri imbricate în fluxurile senzoriale din creier în doar două minute , chiar și atunci când nu erau conștienți de proces.

Lucrarea a fost de acord cu studiile anterioare pentru a demonstra modul în care ierarhia corticală a integrat informațiile în ferestre de timp aparent mai lungi.

Tehnica de marcare a frecvenței neuronale (NFT) a oferit o oportunitate interesantă de a caracteriza traiectorii de învățare între populațiile clinice și sănătoase, în cadrul modalităților senzoriale, pentru a urmări achiziția de cunoștințe de-a lungul duratei de viață de la nou-născuți la vârstnici.

Prin combinarea NFT cu analiza similarității reprezentative (RSA), echipa a furnizat un set de instrumente puternic pentru a dezvălui modul în care creierul s-a angajat în învățarea statistică pe mai multe niveluri de organizație din creierul uman.

(Fluierul)