Konuyu Değerlendir
  • 0 Oy - 0 Ortalama
  • 1
  • 2
  • 3
  • 4
  • 5
Beyin konuşmamızı nasıl kontrol eder?
#1
Beyin konuşmamızı nasıl kontrol eder?

[Resim: 2-brain.jpg]


Konuşma beynin her iki tarafını da gerektirir. Her yarımküre, ses oluşturma, sesi modüle etme ve söylenenleri izleme gibi karmaşık görevlerin bir kısmını üstlenir. Bununla birlikte, Goethe Üniversitesi Frankfurt ve Leibniz-Center Genel Dilbilim'deki nörobilimciler ve fonetikçilerin disiplinlerarası bir ekibi olarak, görevlerin dağılımı şimdiye kadar düşünülenden farklıdır: Sol yarımküre de rol oynar.
Şimdiye kadar, konuşulan kelimenin beynin sol tarafında ortaya çıktığı ve sağ taraf tarafından analiz edildiği varsayılmıştır. Kabul edilen doktrine göre, bu, İngilizce konuşmayı öğrendiğimizde ve örneğin 'th' e eşdeğer ses çalıştığımızda, beynin sol tarafının dil gibi artikülatörlerin motor fonksiyonunu kontrol ederken, sağ tarafın üretilen ses aslında istediğimiz gibi geliyor.



"Böyle konuşma sesleri arasında geçiş olarak beyin kontrolleri zamansal yönleri sol tarafı, sağ iken: Dr. Christian Kell Goethe Üniversitesi'nde Nöroloji Bölümü'nden açıkladığı gibi işbölümü aslında farklı ilkeleri takip yarımküre sorumludur Örneğin, 'anne' dediğinizde, sol yarımküre öncelikle 'th' ve ünlüler arasındaki dinamik geçişleri kontrol ederken, sağ yarımküre öncelikle sesleri kendileri kontrol eder. "



Ekibi, fonetikçi Dr. Susanne Fuchs ile birlikte, konuşmacıların konuşmaları gereken çalışmalarda fonksiyonel manyetik rezonans kullanılarak konuşmanın gerektiği çalışmalarda, bu iş bölümünü konuşmaların zamansal ve spektral kontrolünde ilk kez gösterebildi. görüntüleme.


Beynin iki tarafı arasındaki bu işbölümü için olası bir açıklama, sol yarımkürenin genellikle konuşma sesleri arasındaki geçiş gibi sağ yarımküreden daha hızlı olan hızlı süreçleri analiz etmesidir. Sağ yarımküre, ses spektrumunu analiz etmek için gereken daha yavaş süreçleri kontrol etmede daha iyi olabilir. Bilimsel yayında yayınlanan el motor fonksiyonu üzerine yapılmış bir çalışma eLife aslında bunun böyle olduğunu göstermektedir. Kell ve ekibi, sağ elin hızlı eylemlerin kontrolü için neden tercihli olarak kullanıldığını ve sol elin yavaş eylemler için tercih edildiğini öğrenmek istedi . Örneğin, ekmek keserken, sağ el bıçakla dilimlemek için kullanılır, sol el ekmeği tutar.



Deneyde, bilim adamları sağ elini test deneklerinin iki eliyle bir metronom ritmine dokundular. Bir versiyonda her vuruşta, diğerinde ise sadece her dördüncü vuruşta dokunmaları gerekiyordu. Anlaşıldığı gibi, sağ el hızlı dokunma dizisi sırasında daha hassastı ve vücudun sağ tarafını kontrol eden sol yarıküre , artan aktivite sergiledi. Tersine, sol elle dokunmak daha yavaş ritm ile daha iyi uyuştu ve sağ yarıkürenin artmış aktivite göstermesine neden oldu.


Birlikte ele alındığında, iki çalışma, karmaşık davranışların (el motor fonksiyonları ve konuşma) her iki serebral hemisfer tarafından nasıl kontrol edildiğine dair ikna edici bir tablo oluşturur. Beynin sol tarafında hızlı süreçlerin kontrolü tercih edilirken, sağ tarafta yavaş süreçleri paralel olarak kontrol etme eğilimi vardır.

Rf:
Mareike Floegel et al. İki serebral yarıkürenin zamansal ve spektral konuşma geri bildirimi kontrolüne ayırıcı katkıları, Nature Communications (2020). DOI: 10.1038 / s41467-020-16743-2

Anja Pflug ve diğ. İki insan serebral hemisferinin aksiyon zamanlamasına farklı katkıları, eLife (2019). DOI: 10.7554 / eLife.440404
İnsan Beyni Konuşmayı Zamanla Diğer Seslerden Daha Yakından İzler


Konuşma işlemenin diğer seslerin işlenmesinden farkı, insan sinirbiliminde uzun süredir açık bir soru olmuştur. Araştırmacılar, makine öğrenme modellerini kullanarak doğal konuşulan kelimeler için beyin temsillerini araştırarak ve bunları, kedi ve kedi meowing kelimesi gibi aynı kavramlara atıfta bulunan çevresel seslerin sunumlarıyla karşılaştırarak buna cevap vermeye çalışmışlardır.

İnsanlar doğal sesleri zahmetsizce tanıyabilir ve bunlara tepki gösterebilir ve özellikle konuşmaya ayarlanmıştır. Beynin konuşmaya özgü kısımlarını lokalize ve anlamaya yönelik çeşitli çalışmalar yapılmıştır, ancak aynı beyin alanları çoğunlukla tüm sesler için aktif olduğundan, beynin konuşma işleme için benzersiz süreçleri olup olmadığı belirsizliğini korumuştur. bu işlemleri gerçekleştirir. Ana zorluklardan biri, ikisi arasında bire bir yazışma olmadığında, beynin çok değişken akustik sinyalleri dilsel temsillerle nasıl eşleştirdiğini açıklamaktı, örneğin beynin çok farklı konuşmacılar ve lehçeler tarafından konuşulan aynı kelimeleri nasıl tanımladığı aynısı.

Bu son çalışma için, Profesör Riitta Salmelin liderliğindeki araştırmacılar, 16 sağlıklı Fin gönüllüsünde milisaniye beyin kayıtlarından konuşulan kelimeleri çözdüler ve yeniden oluşturdular. Çok çeşitli seslerin (farklı konuşmacılar tarafından konuşulan kelimeler, birçok kategoriden çevresel sesler) doğal akustik değişkenliğini kullanma ve fizyolojik olarak ilham alan makine öğrenme modelleri kullanarak manyetoensefalografi (MEG) verilerine eşleme konusundaki yeni yaklaşımı benimsediler. Seslerin zamana bağlı ve zaman ortalamalı gösterimleri olan bu tür modeller daha önce beyin araştırmalarında kullanılmıştır. Başrol yazarı Ali Faisal'ın yeni, ölçeklenebilir formülasyonu, bu tür modellerin tüm beyin kayıtlarına uygulanmasına izin verdi ve bu çalışma aynı modelleri konuşma ve diğer sesler için karşılaştıran ilk çalışma oldu.
Aalto araştırmacısı ve baş yazar Anni Nora, “Kortikal aktivasyonun gelişmekte olan konuşma girişine zamanla kilitlenmesinin, konuşmanın kodlanması için çok önemli olduğunu keşfettik. Bir kelimeyi duyduğumuz zaman, örneğin "kedi", beynimizin anlamını anlayabilmek için onu çok doğru bir şekilde takip etmesi gerekir.
Bunun aksine, müzik veya kahkaha gibi konuşulan kelimelerle aynı anlamları taşıyan konuşma dışı çevresel seslerin kortikal işlenmesinde zaman kilitleme vurgulanmamıştır. Bunun yerine, zaman ortalamalı analiz anlamlarına ulaşmak için yeterlidir. 'Bu, aynı kimliğe (bir kedinin nasıl göründüğü, ne yaptığı, nasıl hissettiği vb.), Bir kedi miyavlamasını duyduğunuzda da beyin tarafından erişildiği anlamına gelir, ancak sesin kendisi, bir bütün olarak, gerek kalmadan analiz edilir. benzer şekilde beyin aktivasyonunun zaman kilitlenmesini sağlıyor 'diye açıklıyor Nora.
Anlamsız yeni kelimeler için zaman kilitli kodlama da gözlendi. Bununla birlikte, gülme gibi insan yapımı konuşma dışı seslere verilen yanıtlar bile, dinamik zaman kilitli mekanizma ile geliştirilmiş kod çözme göstermedi ve zaman ortalamalı bir model kullanılarak daha iyi yeniden oluşturuldu, bu da zaman kilitli kodlamanın tanımlanan sesler için özel olduğunu düşündürüyor. konuşma olarak.
Sonuçlar beyin yanıtlarının konuşmayı özellikle yüksek zamansal sadakatle takip ettiğini göstermektedir.
Mevcut sonuçlar, insanlarda konuşma için özel bir zaman kilitli kodlama mekanizmasının evrilmiş olabileceğini düşündürmektedir. Diğer çalışmalara dayanarak, bu işleme mekanizması, erken gelişim sırasında dil ortamına geniş bir maruziyetle ana dile ayarlanmıştır.
Zaman kilitli kodlamanın, özellikle konuşma için mevcut bulgusu, akustik ve dilsel gösterimler (seslerden kelimelere) arasında haritalama için gerekli hesaplamaların anlaşılmasını derinleştirmektedir. Mevcut bulgular, beynin bu özel kodlama modunu kullanmasına işaret etmek için sesler içinde hangi belirli yönlerin önemli olduğu sorusunu gündeme getirmektedir. Bunu daha da araştırmak için araştırmacılar, örtüşen çevresel sesler ve konuşma gibi işitsel ortamlar gibi gerçek yaşamı kullanmayı hedefliyorlar. Nora, 'Gelecekteki çalışmalar, örneğin müzisyenlerdeki enstrümantal sesler gibi deneyim yoluyla diğer sesleri işlemede uzmanlaşma ile benzer zaman kilitlemesinin gözlemlenip gözlemlenmeyeceğini belirlemelidir' diyor.
Gelecekteki çalışmalar, ses akustiğindeki farklı özelliklerin katkısını ve ses işlemede zaman kilitli veya zaman ortalamalı modun kullanımını artırmak için deneysel bir görevin olası etkisini araştırabilir. Bu makine öğrenme modelleri konuşma bozukluğu olan bireylerin araştırılması gibi klinik gruplara uygulandığında da çok yararlı olabilir.


Dergi Referansı :
  1. Nora, A. Faisal, J. Seol, H. Renvall, E. Formisano, R. Salmelin. Sözlü kelimelerin kortikal gösteriminde dinamik zaman kilitleme mekanizması . eneuro 2020; ENEURO.0475-19.2020 DOI: 10.1523 / ENEURO.0475-19.2020
the dark side of the moon*


Foruma Git:


Bu konuyu görüntüleyen kullanıcı(lar): 1 Ziyaretçi