人类顶缘回中单神经元对内部语言的表征

2024-07-01 Mon
《Internal Speech Representation by Single Neurons in Human Supramarginal Gyrus》科学报道背景介绍近年来，脑机接口（BMIs, Brain-Machine Interfaces）技术在语音解码领域取得了显著进展。BMIs通过将大脑信号转化为语音或音频输出，使得那些因疾病或损伤失去说话能力的人能够重新交流。然而，尽管在有声语音、尝试语音和模拟语音解码方面取得了重要进展，内在语言（internal speech）的解码研究却相对稀缺且功能性较低。这篇文章旨在解决内在语言解码过程中存在的挑战，尤其是确定从哪些大脑区域能够解码出内在语言。研究的重点是位于顶下小叶（Supramarginal Gyrus，SMG）和初级躯体感觉皮层（S1）的神经信号。
论文来源本研究由Sarah K. Wandelt, David A. Bjånes, Kelsie Pejsa, Brian Lee, Charles Liu和Richard A. Andersen等学者完成，作者均来自于California Institute of Technology, Rancho Los Amigos National Rehabilitation Center和Keck School of Medicine of USC等机构。论文发表于《Nature Human Behaviour》2024年6月，文章DOI为：https://doi.org/10.1038/s41562-024-01867-y。
研究细节a) 研究流程研究包括以下几个关键步骤：
对象选择和植入设备：纳入了两名四肢瘫痪的参与者，这两名参与者分别植入了位于SMG和S1的微电极阵列。
任务设计：两名参与者需要进行内在语音和有声语音任务，任务包含六个词和两个伪词。整个任务包括六个阶段：跨试间隔（ITI）、提示阶段、第一延迟（D1）、内在语音阶段、第二延迟（D2）和有声语音阶段。词汇通过听觉或书写提示呈现，参与者需要在不同阶段内在或有声地说出这些词。
数据采集和分析：利用微电极阵列记录SMG和S1的神经活动，使用线性回归和决策树等算法进行数据分析和分类。解码过程中选择了多种算法，如主成分分析（PCA）和线性判别分析（LDA）。
b) 主要结果神经表现：在SMG的单个神经元和神经元群体水平上，发现了内在语音和有声语音的显著神经表现。通过记录的群体活动，可以显著解码出内在和有声的词汇。
解码准确率：在离线分析中，参与者的内在语音解码平均准确率分别为55%和24%（随机水平12.5%），在线内在语音BMI任务中的准确率分别为79%和23%。
共享神经表示：在第一名参与者中，发现内在语音、词语阅读和有声语音过程之间存在共享的神经表现。SMG不仅能够表示词汇，还能表示伪词，为语音编码提供了证据。
S1与内部和有声语音的关系：在两名参与者中，S1的活动只在有声语音过程中发生变化，表明在内在语音生产过程中没有发生口腔运动。
c) 结论与价值研究表明，可以将SMG作为高性能内在语音BMI的潜在大脑区域。该研究的科学价值在于揭示了SMG在内在语音和有声语音解码中的关键作用，为未来的语音BMI系统提供了新的方向。应用价值方面，该研究成果有望为失去说话能力的病患恢复交流能力提供技术支持，具有重要的临床意义。
d) 研究亮点高性能内在语音解码：这是首次在SMG中证明内在语音解码的高性能，在线解码准确率达到79%。
共享神经表示：揭示内在语音、词语阅读和有声语音之间的共享神经表示，指出SMG在多种语言处理过程中的核心角色。
外显与外显语音的独立编码：确认了S1在有声语音解码中的作用，但其在内在语音过程中并未参与。
其它有价值的信息不同内在语音策略的可解码性：在参与者1中，使用听觉想象和视觉想象策略，同样实现了高水平的解码。这表明内在语音BMI能够适应多种内在语音策略。
假词编码：研究发现SMG能够对伪词进行高效表征，提供了SMG在语音编码中发挥作用的证据。
灵活的解码模型：文章开发的解码模型表现出在不同任务阶段和提示类型下的高准确率，体现了模型的鲁棒性和适应性。
总结此研究是内在语音BMI领域的重要突破，证明了从SMG解码内在语言的可行性和高准确性。研究不仅揭示了SMG在内在语音解码中的潜力，还验证了其在不同语言处理过程中的核心作用。这一发现不仅在科学研究上具有重大意义，同时也为临床应用提供了新的思路，为那些失去说话能力的病人带来了新的希望。