XiaoMi-AI文件搜索系统
World File Search SystemAuditory
听觉符号材料的高保真传输与主要听觉区域之间左右神经解剖不对称的减少有关
人们认为，音乐等听觉符号系统的代际稳定性依赖于大脑过程，这些过程允许忠实地传递复杂的声音。人们对支持这种能力的人类大脑的功能和结构方面知之甚少，一些研究表明听觉网络的双侧组织是假定的神经基础。在这里，我们通过检查听觉皮层之间左右神经解剖不对称的作用进一步检验了这一假设。我们从大量参与者（非音乐家）收集了神经解剖图像，并使用 Freesurfer 的基于表面的形态测量法对其进行了分析。扫描数周后，同样的个体参加了模拟音乐传播的实验室实验：信号游戏。我们发现，人工音调系统的代际传递的高准确性与 Heschl 沟皮层厚度向右不对称的减少有关。我们的研究表明，旋律材料的高保真复制可能依赖于计算神经元资源在半球中的分布程度。我们的数据进一步支持了大脑半球间组织在听觉符号系统的文化传播和进化中的作用。
17，2024-海报摘要 - 美国听觉社会
美国听觉学会科学和技术会议，2月15日至2024年，海报摘要主题区域和海报数字：主题区域海报数字海报i - 星期四 - 星期四 - 星期四 - 星期四听觉处理 /听力努力海报＃001-009人工耳蜗海报海报＃010-010-010-010-010-030诊断式听觉学 /眼睛学海报＃031-045 poters 5 poters 5 poters 5 poters 5 potres potres pot 4康复海报＃056-081听力科学 /心理声音海报＃082-091听力技术 /放大海报＃092-100儿科听觉学 /眼科海报＃101-107语音感知海报海报＃108-11118-118前庭海报＃119-124 POSTER SESSITER II - 星期五 - 星期六的听觉序列3 Poster #135-155 Diagnostic Audiology / Otology Poster #156-170 Electrophysiologic Responses Poster #171-180 Hearing Loss / Rehabilitation Poster #181-206 Hearing Science / Psychoacoustics Poster #207-216 Hearing Technology / Amplification Poster #217-224 Pediatric Audiology / Otology Poster #225-231 Speech Perception Poster #232-242 Auditory Processing / Listening Effort Poster #243 AUDITORY PROCESSING / LISTENING EFFORT Category: Auditory Processing/Listening Effort Poster #: 00 1 Inferring Daily-Life Listening Effort by Conditioning Heart Rate on Sound Exposure Jeppe Høy Christensen , PhD , Eriksholm Research Centre, Oticon A/S , Snekkersten , Denmark Andreea Micula , PhD , Unit of Medical Psychology, Section of Environmental Health, Department of哥本哈根大学公共卫生，丹麦哥本哈根
在快速串行听觉演示中识别简短声音
进行了两个实验，以测试参与者因素（即音乐复合，工作记忆能力）和刺激因素（即声音持续时间，音色）在听力识别中使用快速的串行听觉表现范式在听力识别中的作用。参与者听取了从30到150毫秒不等的非常简短的声音流，并经过了对他们的能力，可以将其与不存在的目标声音区分开，从分散源中放置的varsouns声源中选择的目标声音。实验1A确定对刺激的短暂暴露（60至150毫秒）不一定与识别受损相对应。在实验1B中，我们发现证据表明，对st-muli的30毫秒暴露会严重损害单个听觉目标的识别，但是对语音和正弦音调目标的识别最少损害，这表明成功识别所需的下限可能低于语音和Sine音调目标30毫秒。至关重要的是，当控制音乐成熟的差异时，声音持续时间对识别的影响完全消失了。参与者的工作记忆能力似乎没有预测他们的识别表现。我们的行为结果扩展了面向研究的研究，以了解在时间限制下的简短音色的处理，暗示音乐的复杂性可能比以前想象的更大。这些结果还可以为未来的研究提供一个有效的假设，即，处理各种声音源的基本神经机制可能具有不同的速度约束。
NIH工具箱听觉口语学习测试（REY）...
管理$至$ study $参与者$ 3 $ 3 $至$ 85 $ of age $ age $ nage $ in 2 $ $ $ $ $ $ $ $ $ $ $ $ $多样性$ $ study $
使用机器学习来协助听觉处理评估
听觉处理是指大脑如何解释人们听到的声音。正常的听觉处理对于理解复杂的声音很重要，例如在教室，娱乐，社交聚会或餐馆等困难聆听情况下的音乐或演讲。如果听觉系统的处理能力较弱，则可能导致听力问题[Cline，2001;美国言语听力协会（ASHA），2005年]。大约0.2-5％的正常听觉儿童很难理解复杂的声音，尤其是在难以指导的聆听情况下（Chermak等，1997； Nagao等，2016）。这些孩子怀疑患有听觉处理障碍（APD）。apd通常由父母或老师确定，需要由听力学家进行正式诊断的评估。APD评估通常在专业的临床中心进行。进行这些测试的听力学家需要广泛的培训和经验，以进行适当的评估和诊断。但是，关于APD评估电池中应包括哪些特定测试的共识（Emanuel等，2011； Iliadou等，2017）。专业机构在内，包括美国语言听力协会（ASHA）建议使用行为和生理措施（在测试电池方法中）评估涉嫌APD的儿童的听觉处理[美国语音语言听力协会（ASHA），2005年]。行为成分可以测量孩子处理声学刺激（语音和非语音）并口头反应的能力。生理成分衡量听觉系统的整体完整性（Starr and Achor，1975； Allen and Allan，2014）。如果孩子的测试分数大于两个或多个测试的规范阈值，则对APD进行诊断，或者在一次测试中进行了三个标准偏差[美国语音语言听力协会（ASHA），2005年]。通常，每年对APD的诊所进行的转诊很少（Moore等，2018），因此很难培训听力学家来获得评估APD的能力实践。由于其异质性和相关的合并症，APD的诊断也很具有挑战性（Bamiou等，2001; Chermak，2002; Sharma等，2009; Iliadou等，2017，2017，2018，2018，2019）。因此，关于APD儿童管理的研究很少（Emanuel等，2011）。Allen和Allan（2014）先前根据行为和生理测试的表现如何将APD的儿童分类为临床子组。在行为测试中表现不佳的儿童被认为是行为异常1；具有非典型生理发现的儿童被认为是生理异常的。两者的表现不佳的孩子被认为是异常的。在行为和生理措施均在正常范围内的孩子都将其分为一个单独的群体。通过识别APD的子组，听力学家可以更好地采用孩子可能需要的特定干预措施。例如，有困难处理听觉信息的孩子在行为上
构建狨猴大脑中的预测听觉序列层次
摘要 我们的大脑不断对感官输入做出预测，并将其与实际输入进行比较，通过大脑区域的层次结构传播预测误差，随后更新对世界的内部预测。然而，预测编码的基本特征、层次深度的概念及其神经机制仍未得到充分探索。在这里，我们结合功能性磁共振成像 (fMRI) 和高密度全脑皮层电图 (ECoG)，在听觉局部-全局范式中研究了狨猴的预测听觉处理的层次深度，其中刺激的时间规律被设计为两个层次。预测误差和预测更新被视为对听觉不匹配和遗漏的神经反应。使用 fMRI，我们确定了听觉通路上的层级梯度：中脑和感觉区域代表局部、较短时间尺度的预测处理，随后是联想听觉区域，而前颞叶和前额叶区域代表整体、较长时间尺度的序列处理。互补的 ECoG 记录证实了皮质表面区域的激活，并进一步区分了预测误差和更新信号，它们分别通过假定的自下而上的 γ 和自上而下的 β 振荡传输。此外，由于输入缺失而引起的遗漏反应仅反映了层级预测编码框架所特有的两个预测信号水平，证明了听觉、颞叶和前额叶区域自上而下的层级预测过程。因此，我们的研究结果支持分层预测编码框架，并概述了如何使用神经网络和时空动态来表示和安排狨猴大脑中听觉序列的分层结构。
基于脑电图的多信号短时听觉注意力检测...
健康人可以在多人说话场景中关注某一语音，但部分听力障碍人士不具备这一能力。因此，研究基于脑电图（EEG）的听觉注意检测是一种帮助听力障碍者检测关注语音的可能方法。之前的许多研究使用线性模型或深度学习来解码关注的语音，但跨受试者解码准确率较低，特别是在短时间内。在本研究中，我们提出了一种基于卷积神经网络（CNN）的多任务学习模型，在2s时间条件下同时进行注意解码和重建关注的时间幅度包络（TAE）。实验结果表明，与传统线性方法相比，受试者特定和跨受试者解码性能都有很大的提高。特别是在双耳分听实验中，2s条件下的跨受试者解码准确率从56%提高到82%。此外，通过分析通道贡献图发现大脑的额叶和颞叶区域对于听觉注意力的检测更为重要。总之，该方法有望应用于神经引导助听器，帮助听力受损的听众更快、更准确地进行注意力检测。索引词：EEG，脑机接口（BCI），听觉注意力检测，多任务学习，鸡尾酒会问题
语音流分离以控制基于 ERP 的听觉 BCI
目的。研究表明，在听觉脑机接口 (BCI) 中使用自然声音可以改善分类结果和可用性。一些听觉 BCI 基于流分离，其中受试者必须关注一个音频流而忽略其他音频流；这些流包括某种需要检测的刺激。在这项工作中，我们专注于事件相关电位 (ERP)，并研究为每个音频流提供可理解的内容是否有助于用户更好地集中注意力于所需的流，从而更好地关注目标刺激并忽略非目标刺激。方法。除了控制条件外，还使用两个同时和空间化的音频流测试了基于选择性注意和鸡尾酒会效应的两种实验条件：i) 条件 A2 包括听觉刺激（单音节）在由每个流的自然语音组成的背景上的重叠，ii) 在条件 A3 下，使用对每种语音的自然流的短暂改变作为刺激。主要结果。这两个实验方案在校准部分的交叉验证分析和在线测试中都改进了控制条件（单个单词作为刺激，没有语音背景）的结果。ERP 反应的分析也表明，与控制条件相比，这两个方案具有更好的可辨别性。主观问卷的结果支持第一个实验条件具有更好的可用性。意义。使用自然语音作为背景可改善基于 ERP 的听觉 BCI 中的流分离（在性能指标、ERP 波形和主观问卷中的偏好参数中具有显著的结果）。基于 ERP 的流分离领域的未来工作应该研究将自然语音与容易感知但不分散注意力的刺激相结合使用。
听觉中的Uences运动大脑区域中的先前上下文...
使用了不同可能的回归器的子集：（1）从初始条件来看； （2）扩展上下文条件（见图1）。为了探索整个组的条件和上下文分析的主要影响，我们采用了voxel-type I误差阈值的α= 0.03，并使用群集范围方法来校正多个比较[23]。超过校正的集群I型误差阈值α= 0.006（k> 1055素体，在空间范围内等效到15个原始未恢复的体素）进行进一步分析，以确定类别特异性主要效应的方向性并测试相互作用。鉴于群集范围方法不如假发现率（FDR）或家庭明智误差（FWE）那么严格，因此我们选择了α= 0.03。使用这些1055素素二级随机
迈向听觉幻影感知的认知计算神经科学
为了对耳鸣如何在大脑中出现，我们必须构建模仿耳鸣发育和感知的双重合理计算模型，并通过大脑和行为实验测试暂定模型。特别关注耳鸣，我们回顾了人工智能，心理学和神经科学交集的最新工作，表明新的研究议程遵循这样的想法，即实验只能在测试脑部计算模型时才产生理论洞察力。这种观点挑战了普遍的看法，即耳鸣研究主要是数据有限的，并且通过先进的数据分析算法进行分析的大型，多模式和复杂的数据集将最终导致人们对丁香核的形成方式的基本见解。但是，有证据表明，尽管现代技术允许在动物和人类中以前所未有的丰富方式评估神经活动，但经验检验了一个关于耳鸣的口头定义的假设，但永远不会导致机械理解。取而代之的是，假设检验需要与产生可验证预测的综合模型的构建相辅相成。我们认为，即使当代人工智能和机器学习方法在很大程度上缺乏生物学上的合理性，但要构建的模型也必须借鉴这些领域的概念，因为它们已经证明它们在建模脑功能方面做得很好。尽管如此，必须连续增加生物学功能，从而导致更好和细粒度的模型，最终允许在应用动物或患者研究中使用动物或患者研究之前，甚至可以测试硅中可能的治疗策略。