学习人类皮层和海马体的层次序列表征

学习人类皮层和海马体的层次序列表征
听觉学习的神经追踪(A)听觉学习任务的图式描述。结构化的信息流(左)包含12个音节[250 ms刺激起始异步(SOA), 4hz],其中TPs组成了四个单词(视觉的颜色编码,750 ms SOA, 1.33 Hz)。随机序列(右)包含了相同的12个音节,它们的顺序是随机的。预测的神经反应显示在每个音节流的下面:音节跟踪(上)在两种条件下都被期望,而单词跟踪(下)只在结构条件下被期望。(B) 17名患者1898个电极的结构(左,黑)和随机(右,灰)神经数据的相位相干谱。每个有效电极用细线表示,平均电极用粗线表示。(C)在结构条件下,两组电极显示词语追踪反应的相位相干谱:只显示词语速率的电极(顶部,蓝色)和同时显示词语和音节速率的电极(底部,橙色)。(D)仅单词(顶部,蓝色)和单词+ syll(底部,橙色)电极的定位显示出显著的场电位相位相干(FP;浅蓝色、浅橙色)或高伽马波段(HGB;深蓝色,深橙色)。 Credit: Science Advances, doi: 10.1126/sciadv.abc4530

人类作为词和事件的分段单位不断地体验感官输入。大脑发现规律的能力被称为统计学习。这个概念可以在多个层次上表示,包括过渡概率和单位的同一性。在一份新的报告中科学的进步西蒙·海宁(Simon Henin)和来自纽约大学医学院、耶鲁大学(Yale University)以及美国和德国马克斯·普朗克研究所(Max Planck Institute)的科学家团队记录了人类受试者在接触到有时间规律的听觉和视觉序列时,大脑皮层和海马体中的序列编码。通过早期处理,他们追踪了较低层次的特征,如音节和包括单词在内的学习单元,而晚期处理只能追踪学习单元。研究结果表明,人类存在多个并行计算系统,以协助在有组织的皮质-海马单元之间进行学习。

理解语言代码

我们以可消化的块状接收和体验来自世界的连续输入。例如,通过语言,人类可以获得和提取有意义的序列,包括句子、单词和短语连续不断的声音语言元素之间没有清晰的声学边界或停顿。在开发过程中,作为核心构建块,这种分割是偶然且毫不费力的。婴儿或成人学习音节或形状之间过渡概率的行为被称为"”。然而,大脑支持这些认知功能的机制尚不清楚。众所周知的是像海马体和额下回(IFG)帮助视觉和听觉统计学习。为了了解这一过程,Henin等人对23名人类癫痫患者进行了颅内记录,以提供对人类学习的基本过程的机械理解,这一过程相对于对世界结构作出反应的皮质区域。研究结果强调了神经频率标记(NFT)作为一个多功能工具来调查非语言和非语言患者群体中的附带学习。

学习人类皮层和海马体的层次序列表征
在听觉SL中,音节反应之间的距离的多维尺度(MDS)显示了显著的(A)字+字的反应和(B)字的反应,以及(C)海马体电极之间的音节反应的模式相似性。单个单词用颜色编码;下标表示顺序位置(如“tu1pi2ro3”)。点虚线表示按TP进行分组,实线表示按顺序位置进行分组,虚线表示在单个单词级别进行分组(用颜色编码)。(D)听觉SL任务中音节多变量相似性的量化。左:相似度TP。类内相似度越高,类内相似度越低的音节(0.33),类内相似度越高的音节(1.0)。Friedman检验表明,电极类型对TP相似性有主要影响(χ2 = 22.03, P < 0.001)。中间:顺序位置相似性的内部与之间。类内相似性越大,表示单词中第一、第二或第三位相同的音节组合越强。 A Friedman test indicated a significant main effect of electrode type (χ2 = 790.35, P < 0.001). Right: Within versus between similarity for word identity. Greater within-class similarity indicates grouping of syllables into individual words. A Friedman test indicated a significant main effect of electrode type (χ2 = 265.29, P < 0.001). ***P < 0.001 and **P < 0.01, Bonferroni-corrected Wilcoxon rank sum test; error bars denote the population SEM. Credit: Science Advances, doi: 10.1126/sciadv.abc4530
听觉统计学习的行为证据

Henin等人研究了在操纵序列结构后,通过向17名参与者呈现音节的听觉流来进行静态学习。该团队将每个音节放在一个三音节词或一个三连词的第一个、第二个和第三个位置。得到的过渡概率低且一致,不需要分词。在听觉任务中,他们使用MacTalk并将它们连接起来MATLAB软件创建两个序列:一个结构化的和随机的单词序列。在结构化序列中,Henin等人通过操纵音节之间的过渡概率,将四个隐藏的单词嵌入序列中,形成一个连续的人工语言流。它们代表了4赫兹的音节呈现率和1.33赫兹的单词呈现率。研究小组没有告诉参与者这个结构,而是让他们执行一个掩护任务,在这个任务中,他们指出了随机嵌入在听觉流中的音节重复。

学习人类皮层和海马体的层次序列表征
视觉学习的神经追踪(A)视觉学习任务的图式描述。结构化流(左)由八个分形组成的连续视觉流(375 ms SOA, 2.66 Hz)。TPs被调整成四个分形对(750 ms SOA, 1.33 Hz)。注意,与音节相比,分形的SOA被拉长了,以匹配学习单元(成对和单词)的频率,假定每个单元有两个分形和三个音节。随机流(右)包含了相同的分形,但顺序是随机的。预测的神经响应显示在每个流下:期望分形跟踪对两个流,而期望成对跟踪仅对结构化流。(B) 12名患者的1606个电极的结构(左,黑)和随机(右,灰)神经数据的相位相干谱。每个重要的电极都用细线表示,整个人群的平均电极都用粗线表示。(C)在结构条件下,电极显示成对跟踪反应的相位相干谱,分为两组:只跟踪成对(左边,蓝色)和跟踪成对和分形(右边,橙色)。(D)仅配对电极(顶部,蓝色)和配对+分形电极(底部,橙色)的局部化在FP(浅蓝色,浅橙色)或HGB(深蓝色,深橙色)中表现出显著的相位相干性。 Credit: Science Advances, doi: 10.1126/sciadv.abc4530

听觉统计学习的神经追踪

Henin等人从17名参与者的1898个颅内电极中获得了直接的神经生理信号,这些信号全面覆盖了两个半球的额顶叶、枕叶和颞叶以及海马。参与者进行了两个可选被迫选择(2AFC)任务,让他们听一段接着一段播放的两段音频,以选择包含其中一个隐藏单词的音频流。科学家们注意到这些反应主要来源于躯体感觉/电机颞皮层。平均而言,他们注意到在结构化信息流中明显增加了词频一致性,而在随机信息流中却没有,以支持NFT(神经频率标记)在评估在线统计学习中的敏感和稳健应用。使用非功能性测试,他们追踪了在流的两个层次然后在场势下测试电极内相相干性和伽玛乐队在各自的结构化和随机流中。通过皮质电图,他们发现单词和音节的连贯性主要发生在大脑皮层颞回(STG)中包含较小的集群运动皮层帕尔斯opercularis。与此同时,另一个调谐剖面反射的电极具有显著的相干性,仅在单词率的位置,在额下回和前颞叶(ATL)。解剖分组突出了听觉处理层次的神经解剖学。

分析听觉统计学习和测试视觉统计学习。

为了理解神经频率标记(NFT)的结果,Henin等人研究了分割驱动结果,并基于数据流中的三个统计线索;包括(1)过渡概率,(2)顺序位置或(3)词的同一性,以促进独特的认知功能。与听觉统计学习任务一样,研究小组对患者组进行了视觉统计学习任务,研究小组使用与所使用的图像集相似的图像集形成了分形在以前的工作。和之前一样,参与者没有被告知这个结构,但是他们执行了一个掩护任务。然后,Henin等人利用非功能性脑功能分析(NFT)识别了12名患者覆盖额叶、顶叶、颞叶和枕叶皮质的1606个颅内电极的神经生理学记录中显示出统计学习功能的大脑区域。与听觉统计学习一样,他们观察到两个电极的时间调节剖面之间的解剖和层次分离,其中一个显示了显著的分形和配对率-主要聚集在枕叶和顶叶皮层而另一个则在额叶、顶叶和颞叶皮层显示了明显的配对率夹带。

学习人类皮层和海马体的层次序列表征
在视觉SL. MDS过程中,通过(A)仅配对,(B)配对+分形,和(C)海马电极对单个分形的反应之间的距离的模式相似性结果。对不同颜色;奇数表示第一个位置,偶数表示第二个位置。点虚线的省略号通过TP/顺序位置在一对+分形电极轮廓分组。固体椭圆轮廓分组TP/序数位置在仅对电极。虚线椭圆表示以双对双的方式分组和海马电极。(D)视觉SL任务中分形多变量模式相似性的比较。左图:低TP与高TP相似度的内部与之间。类内相似性越大,则表明TP较低(0.33)的分形比TP较高(1.0)的分形分组更强。Friedman检验表明,电极类型对TP相似性有主要影响(χ2 = 19.3, P < 0.001)。 Middle: Within versus between similarity for ordinal position. Greater within-class similarity indicates grouping of fractals holding the same first or second position in a pair. A Friedman test indicated a main effect of electrode type (χ2 = 122.2, P < 0.001). Right: Within versus between similarity for pair identity. Greater within-class similarity indicates grouping of fractals into pairs. A Friedman test indicated a main effect of electrode type (χ2 = 40.04, P < 0.001). ***P < 001 and *P < 0.05, Wilcoxon rank sum test; error bars denote the population SEM. Credit: Science Advances, doi: 10.1126/sciadv.abc4530
前景

通过这种方式,Simon Henin和他的同事利用人类的颅内记录来描述大脑如何追踪和学习感官信息中的结构。统计学习过程伴随着神经表征的快速变化,反映在两种功能和解剖学上不同的大脑反应。这些不同的反应揭示了一种解剖层次,他们将其映射到颞上回和枕叶皮层的早期感觉处理阶段。该团队还绘制了后期的地图,模态的处理阶段的以及前颞叶。患者在大脑的感觉流中提取并表现出嵌套结构就在两分钟内,即使他们不知道这个过程。

学习人类皮层和海马体的层次序列表征
ECoG电极覆盖左半球(LH)和右半球(RH)的听觉SL任务(上)和视觉SL任务(下)。每个参与者的电极覆盖范围用不同的颜色显示。资料来源:《科学进展》,doi: 10.1126/sciad .abc4530

的工作与之前的研究一致以证明大脑皮层的层次结构是如何在看似较长的时间窗口中整合信息的。神经频率标记(NFT)技术提供了一个令人兴奋的机会来描述临床和健康人群的学习轨迹,通过感官模式,跟踪从新生儿到老年人的整个生命周期的知识获取。通过将非功能性分析与代表性相似度分析(RSA)相结合,该团队提供了一个强大的工具来揭示大脑如何在人类大脑的多个层次的组织中进行统计学习。


进一步探索

神经元循环:我们的大脑就是这样让我们阅读的

更多信息:海宁等。学习人类皮层和海马的层次序列表征,科学的进步, 10.1126 / sciadv.abc4530

Kuhl P. K.等。早期语言习得:破译语音密码,神经系统科学自然评论,doi.org/10.1038/nrn1533

Saffran J. R.等。8个月大的婴儿进行统计学习。科学, 10.1126 / science.274.5294.1926

©2021科学欧宝app网彩X网络

引用:通过人类皮层和海马学习层次序列表征(2021年,3月5日)从2021年4月16日的//www.puressens.com/news/2021-03-hierarchical-sequence-representations-human-cortex.html获得
本文件受版权保护。除以私人学习或研究为目的的公平交易外,未经书面许可不得转载任何部分。内容仅供参考之用。
138股票

反馈给编辑

用户评论