图 3 左半球核心场景区域和皮质灰质之间测量的基于种子的功能连接对比。统计叠加图显示了 FWER 校正的 TFCE p 值,用于对受试者种子区域之间的功能连接相关性进行配对样本测试。注释表示核心场景(OPA、PPA、RSC;黑色轮廓)和 cIPL(绿色轮廓)区域的位置。
阅读采集涉及听觉和视觉刺激的整合。因此,低水平的多感觉整合可能有助于发育阅读障碍中的阅读中断。尽管阅读障碍在男性中更频繁地被诊断出来,而新兴的证据表明,性别障碍的神经基础可能会有所不同,但先前研究多感官整合的研究并未评估潜在的性别差异,也没有测试其神经相关性。在当前对88名青少年和年轻人的研究中,我们发现只有读障碍的男性在简单非语言刺激的多感官整合中表现出明确的作用。在神经水平上,与对照组相比,在N1和N2组件中响应于N1和N2组件的单性状况的女性和雄性对多感官的反应差异较小。此外,在与非语言智商相匹配的80名参与者的子样本中,与响应于N1成分的单性状况相比,左半球的雄性在左半球的差异较小。我们的研究表明,在男性中比女性阅读障碍症的衰落似乎更为严重。这提供了对性调节的认知过程的重要见解,这些过程可能赋予阅读困难的脆弱性。
人类认知。但是,即使过去40年中对分裂脑患者的每项脑研究都有其自身的能力集,左派已经对半球的过程进行了许多见解,专门针对语言,言语和感知,注意力,记忆,语言,语言,语言和理性的问题解决问题的能力以及右手及右手。当发现的星座被认为是针对整个面部识别等任务的半球时,人们将皮质舞台视为拼布和注意力监测的片段,我们都有主观的专业过程。当这是完全整合的光明经验中考虑的。的确,即使是关于功能横向化的新研究,尽管其中许多功能具有自动质量合理的假设,可以假设call体必须对它们进行,并且在我们能够发展出许多专业系统意识到他们的意识,我们的主观信念并允许现有的Cortical领域的责备是我们的行动,我们可以在我们的行动中进行统治。在保留现有功能的同时。因此,尽管语言现象似乎与我们的左半球有关,而左半球则以预先存在的解释器为代价,但该设备使我们能够构建理论的感知系统,即双侧关于事件,行动和感受的双边关系的关键特征。当前的感知系统在相反的
图1。组平均功能连通性(IPLV)到左主运动皮层(LM1,中间面板中左半球的黑点)。中间面板显示基于表面的投影,左右面板显示了同一地图的两个不同的拼字图。所有视图都强调,LM1在功能上连接到右运动皮层(RM1)和左补充运动区(LSMA),这是由其质心的MNI坐标定义的。
摘要:本研究探讨了内感受和社会框架对运动同步任务中脑间电生理 (EEG) 和血流动力学 (通过功能性近红外光谱 (fNIRS) 收集) 功能连接一致性的影响。14 个二元组在有和无内感受焦点的情况下执行运动同步任务。此外,通过增强共享意向性,运动任务具有社交或非社交框架。在实验期间,通过 EEG-fNIRS 超扫描范例收集 delta、theta、alpha 和 beta 频带以及氧合和脱氧血红蛋白 (O2Hb 和 HHb)。计算两个神经生理信号的脑间一致性指数,然后将它们关联起来,以探索二元组中功能连接 EEG-fNIRS 的相互一致性。研究结果表明,与无专注条件和右半球相比,专注状态下左半球的 delta 和 O2Hb、theta 和 O2Hb 以及 alpha 和 O2Hb 之间的相关值显著更高(专注和无专注条件下均如此)。此外,当任务以社交方式与非社交方式进行比较时,在专注状态下左半球的 delta 和 O2Hb 以及 theta 和 O2Hb 之间的相关值更高。这项研究表明,专注于呼吸和共同的意向性会连贯地激活执行联合运动任务的二元组中相同的左额叶区域。
除了淀粉样蛋白β斑块和神经原纤维缠结外,阿尔茨海默氏病(AD)还使用定量敏感性映射(QSM)在深灰质核中的铁升高还与升高的铁相关。但是,只有少数研究使用了无法评估层特定差异的更多宏观方法检查皮质铁。在这里,我们进行了基于列的QSM分析,以评估与AD相关的皮质铁的增加与神经元的类型和密度的层特异性差异有关。我们获得了22名具有AD的成年人和22种人口统计学匹配的健康对照的阳性(铁)和阴性(髓磷脂,蛋白质聚集)敏感性的全球和区域测量。深度分析表明,全局易感性从沿幼孔表面增加到灰色/白质边界,在左半球对AD的左半球的正敏感性大于对照组比对照组更大。基于曲率的分析表明,对具有AD与对照的成年人的全球敏感性更大。右半球与左;和回合与硫磺。利益区域分析鉴定出相似的深度和曲率特异性群体差异,尤其是对于颞叶角区域。发现铁在整个皮质地幔上以地形异质的方式积累可能有助于解释深远的认知恶化,从而将AD与健康衰老中的一般运动过程的减慢区分开来。
神经语言学的一个基本问题涉及语音理解过程中涉及句法和语义处理的大脑区域,包括词汇(文字处理)和超词汇层面(句子和话语处理)。这些区域在多大程度上是分离的或交织的?为了解决这个问题,我们引入了一种新方法,利用神经语言模型生成分别编码语义和句法信息的高维特征集。更准确地说,我们在文本语料库上训练词汇语言模型 GloVe 和超词汇语言模型 GPT-2,我们从中选择性地删除了句法或语义信息。然后,我们评估从这些信息受限模型中得出的特征在多大程度上仍然能够预测人类聆听自然文本的 fMRI 时间过程。此外,为了确定参与超词汇处理的大脑区域的整合窗口,我们操纵提供给 GPT-2 的上下文信息的大小。分析表明,虽然大多数参与语言理解的大脑区域对句法和语义特征都很敏感,但这些影响的相对大小在这些区域有所不同。此外,与语义或句法特征最相符的区域在左半球比在右半球在空间上分离得更开,而右半球对较长的上下文的敏感性高于左半球。我们方法的新颖之处在于能够通过操纵训练集来控制模型嵌入中编码的信息。这些“信息受限”模型补充了以前使用语言模型探索语言神经基础的研究,并为其空间组织提供了新的见解。
图 2 | 运动任务的 fPACT 和 7 T fMRI 结果。对右侧 FT(a:fMRI,b:左半球无颅骨 fPACT)、左侧 FT(c:fMRI,d:右半球颅骨完整 fPACT)和 TT(e:fMRI — 左图显示大脑左侧,f:左半球无颅骨 fPACT,g:fMRI — 左图显示大脑右侧,h:右半球颅骨完整 fPACT)的功能反应进行了成像。皮质上显示的功能反应(左栏)代表反应的最大振幅投影。功能反应也显示在通过激活的轴向(中间栏)和冠状(右栏)切片上。对于 FT(ad),我们选择相同的轴向和冠状切片显示在所有四张图像中。对于左侧无颅骨侧的 TT(e、f),我们选择彼此相距 5 毫米以内的切片。对于右侧颅骨完整侧的 TT(g、h),我们选择相同的轴向和冠状切片。但这些激活在空间上并不重叠。在每个功能图中,我们显示了以最大 t 值(𝑡𝑚𝑎𝑥)的 70% 为阈值的区域,这些区域列为每个皮质图下方的第一个值。皮质图下方显示了对应于最大 t 值的 70% 的 p 值(一元学生 t 检验)。白色箭头表示 fPACT 中的激活区域。比例尺:2 厘米。
图3。对前后语音获得的血流动力学反应。从刺激发作中,在-5至35s之间绘制了婴儿和HBB变化的时间疗程。(a)显示了5个月大的婴儿的结果,(b)表示10个月大的婴儿的结果。左图显示左半球的结果,右面板对应于右半球。使用基于群集的置换方法,在5个月大的和10个月大的婴儿中鉴定出簇对前后语音的显着反应(p <.05)。HBO:含氧血红蛋白,HBB:脱氧血红蛋白,HB:血红蛋白。fw:前言,BW:向后的语音。