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"统计学习”。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。
听觉统计学习的行为证据
Henin等人研究了神经回路在操纵序列结构后,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。
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/电机和颞皮层。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和帕尔斯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。
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,模态的处理阶段的额下回以及前颞叶。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。
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。
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。
用户评论