XiaoMi-AI文件搜索系统
World File Search System布罗卡区
第 4 章第 2 部分：中枢神经系统
大脑区域 1：大脑 - 大脑叶皮质及其功能（额叶、顶叶、颞叶、枕叶和岛叶） - 大脑对身体运动和感觉知觉的划分（中央前回和中央后回）。 - 大脑与语言（布罗卡区和韦尼克区以及失语症 - 大脑与睡眠 - 大脑与记忆 - 大脑核与运动功能 - 大脑核与情绪（边缘系统）
句法和大脑：语言进化是缺失的环节（理论）？
结果：我们讨论了这样一个发现：与包含 TP 和 DP 的完整句子相比，层次结构较少的小句在左侧布罗卡区 (BA) 44 和右侧基底神经节中的激活度降低，这与以下假设相一致：更近、更复杂的句法需要布罗卡-基底神经节网络中更多的连接，该网络的神经元密度在最近的进化中显著增强，暗示 FOXP2 和其他基因发生了突变。我们还讨论了这样一个发现：祖先动词-名词复合词的处理（通常用于（贬义）命名和昵称）在右侧梭状回区域 (BA 37) 中的激活度增强，该区域与隐喻性和可想象性的处理有关，也与命名和面部识别有关，这揭示了一个有趣的可能性，即人类面部识别能力的增强是由早期出现的简单命名句法策略促成的。
早期儿童运动技能发展和工作记忆处理的差异特征：来自 fNIRS 的证据
结果：（1）低运动技能组在三重记忆负荷条件下的准确度显著低于两重记忆负荷条件下的准确度。在两重记忆和三重记忆负荷条件下，高运动技能组均表现出显著高于低运动技能组的表现。（2）高运动技能组的左侧背外侧前额叶皮层（L-DLPFC）和布罗卡区左右三角部分（R-PTBA和L-PTBA）的Oxy-Hb浓度在两个记忆难度水平之间有显著差异。三重记忆负荷条件下的Oxy-Hb浓度显著高于两重记忆负荷条件下的Oxy-Hb浓度。在两重记忆负荷条件下，高运动技能组的L-DLPFC和L-PTBA区域的Oxy-Hb浓度显著高于低运动技能组。在三种记忆负荷条件下，高运动技能组的 L-DLPFC、R-PTBA 和 L-PTBA 区域的 Oxy-Hb 浓度明显高于低运动技能组。
噪声识别中的音乐：人工耳蜗植入者和正常听力对照者的听力努力的脑电图研究
尽管有大量研究调查聆听努力程度以及有关人工耳蜗 (CI) 用户音乐感知的研究，但是从未有人研究过背景噪音对音乐处理的影响。鉴于聆听努力程度评估的典型噪声中语音识别任务，本研究的目的是调查在不同背景噪音水平的音乐作品上进行情绪分类任务时的聆听努力程度。除了参与者的评分和表现之外，还使用已知与这种现象有关的 EEG 特征来调查聆听努力程度，即顶叶区域和左侧下额叶 (IFG)（包括布罗卡区）的 alpha 活动。结果表明，CI 用户在识别刺激的情绪内容方面的表现差于听力正常 (NH) 对照组。此外，当考虑对应于听信噪比 (SNR) 5 和 SNR10 条件的 alpha 活动时，减去听安静条件下的活动（理想情况下，去除音乐的情感内容并隔离由于 SNR 而导致的难度级别），CI 用户报告的顶叶 alpha 和右半球左 IFG 同源体（F8 EEG 通道）的活动水平高于 NH。最后，提出了 F8 对与 SNR 相关的音乐聆听努力具有特殊敏感性的新建议。
基于谱动力学的想象语音和视觉意象的功能连接
摘要 — 脑机接口技术的最新进展表明，想象语音和视觉意象具有作为直观脑机接口通信的稳健范式的潜力。然而，这两个范式的内部动态及其内在特征尚未揭示。在本文中，我们研究了考虑不同频率范围的两个范式的功能连接。使用 16 名受试者进行十三类想象语音和视觉意象的数据集进行分析。在四个频率范围的七个皮质区域分析了想象语音和视觉意象的锁相值。我们将想象语音和视觉意象的功能连接与静息状态进行比较，以研究意象过程中的大脑变化。整个大脑区域的锁相值在想象语音和视觉意象期间都表现出显著下降。布罗卡区和韦尼克区以及听觉皮层主要表现出想象语音的显著下降，而前额叶皮层和听觉皮层则表现出视觉意象范式的显著下降。进一步研究大脑连接以及两种范式的解码性能可能作为性能预测因素发挥关键作用。关键词——脑电图；功能连接；想象语音；直观脑机接口；视觉意象
人类听觉皮层连接
为了了解听觉皮层处理过程，我们在 171 名人类连接组计划参与者中测量了 15 个听觉皮层区域和 360 个皮层区域之间的有效连接，并辅以功能连接和扩散纤维束成像。1. 确定了听觉皮层处理的层次结构，从核心区域（包括 A1）到带区 LBelt、MBelt 和 52；然后到 PBelt；然后到 HCP A4。2. A4 与前颞叶 TA2 和 HCP A5 相连，后者连接到背侧颞上沟 (STS) 区域 STGa、STSda 和 STSdp。这些 STS 区域还接收有关移动面部和物体的视觉输入，这些信息与听觉信息相结合，有助于实现多模态物体识别，例如谁在说话以及说了什么。与此“什么”腹侧听觉流一致，这些 STS 区域随后与 TPOJ1、STV、PSL、TGv、TGd 和 PGi 具有有效连接，这些区域是与布罗卡区（尤其是 BA45）连接的语言相关语义区域。3. A4 和 A5 还与 MT 和 MST 具有有效连接，后者连接到顶叶上部区域，形成与空间动作有关的背侧听觉“哪里”流。PBelt、A4 和 A5 与 BA44 的连接可能形成与语言相关的背侧流。
熟悉度对音乐和语言神经表征的影响
音乐和语言能力密切相关。在感官层面，音乐和语言都涉及以结构上有意义的方式排列的声学刺激。例如，两者都涉及小单元（音符或单词），这些单元使用特定规则组合起来以创建更大的单元（旋律/歌曲和句子/故事）。从认知上讲，对音乐和语言的理解涉及对一系列声音中接下来的内容产生期望（Patel，2008），使用学习规则（例如语法）来解释输入（Jackendoff，2009；Jackendoff & Lerdahl，2006），并且需要使用记忆（Zatorre & Gandour，2008；Daneman & Merikle，1996）。尽管它们依赖于相似的过程，但有证据表明音乐和语言既涉及重叠的网络，也涉及不同的网络。感知音乐和语言会激活重叠的大脑网络。 EEG 数据显示，在认知处理的早期阶段（在感知声音后的最初 300 – 500 毫秒内；Gordon、Schön、Magne、Astésano 和 Besson，2010 年），fMRI 研究为解剖学上相似的网络提供了证据。例如，已知布罗卡区、颞上沟、颞上回、岛叶和额极参与了语言网络，这些区域在音乐处理中也很活跃（Hymers 等人，2015 年；Merrill 等人，2012 年；Schön
使用去噪自动编码器进行脑电图连接分析以检测阅读障碍
时间采样框架 (TSF) 认为，诵读困难特有的语音困难是由一个或多个时间速率的非典型振荡采样引起的。LEEDUCA 研究对儿童进行了一系列脑电图 (EEG) 实验，让儿童聆听慢节奏韵律 (0.5-1 Hz)、音节 (4-8 Hz) 或音素 (12-40 Hz) 速率的调幅 (AM) 噪声，旨在检测可能与诵读困难相关的振荡采样感知差异。这项研究的目的是检查这些差异是否存在，以及它们与儿童在通常用于检测诵读困难的不同语言和认知任务中的表现有何关联。为此，估计了时间和频谱通道间EEG连接，并训练了去噪自动编码器（DAE）来学习连接矩阵的低维表示。通过相关性和分类分析研究了这种表示，结果表明其能够以高于0.8的准确率检测出诵读困难患者，平衡准确率在0.7左右。DAE表示的某些特征与儿童在语音假设类别的语言和认知任务中的表现显著相关（p<0.005），例如语音意识和快速符号命名，以及阅读效率和阅读理解。最后，对邻接矩阵的更深入分析显示，DD受试者颞叶（大致是初级听觉皮层）电极之间的双侧连接减少，以及F7电极（大致位于布罗卡区）的连接增加。这些结果为使用更客观的方法（例如 EEG）对阅读障碍进行补充评估铺平了道路。
连接点：用功能连接重新思考代码与散文写作之间的关系
软件工程的医学成像研究越来越受欢迎，并且可能揭示编码活动的神经基础。然而，到目前为止，计算机科学领域的所有研究都是独立和孤立地处理大脑区域。由于大多数复杂的神经活动都涉及多个区域之间的协调，因此以前的分析可能会忽略神经行为。我们建议将功能连接分析应用于软件工程任务的医学成像数据。非正式地说，这种分析将大脑视为一个图形，而不是一系列独立的模块，并从统计上推断出相关的边缘。我们对现有数据进行了功能连接分析，阐明了代码编写和散文写作之间的相互联系，特别是在高等数学和语义处理方面。首先，我们发现布罗卡区（语言）和数字形式区（高等数学）之间存在显著的联系。这既完善了以前对代码编写和自然语言彼此不同的解释，也有助于理解心理学文献中的数字形式区。其次，我们确定了一个对散文写作和编码都具有重要功能连接的区域，这与之前将其与编码联系起来的分析不同。这提高了我们对编码和散文写作的神经理解，并且只有使用功能连接分析才能发现这一点。第三，对于编码，我们发现参与语言语义处理的大脑区域具有很强的功能连接结果，这对 CS 培训有影响。最后，我们发现编码和专业知识之间存在神经关系，包括比之前研究更有根据的解释。