В последние годы наблюдается рост использования моделей кодирования для объяснения нейронных реакций на естественную речь. Цель этих моделей — охарактеризовать, как человеческий мозг преобразует акустическую энергию в различные лингвистические представления, обеспечивающие повседневное понимание речи. Например, исследователи показали, что данные электроэнцефалографии (ЭЭГ) могут быть смоделированы с точки зрения акустических особенностей речи, таких как её амплитудная огибающая или спектрограмма, лингвистических особенностей, таких как фонемы и вероятность фонем, а также лингвистических особенностей более высокого уровня, таких как предсказуемость слова на основе контекста. Однако остаётся неясным, насколько надёжно ЭЭГ-показатели этих представлений речевых признаков отражают понимание в различных условиях прослушивания. Для решения этой проблемы было проведено исследование, в котором регистрировались данные ЭЭГ у 25 нейротипичных взрослых (девять мужчин), которые слушали отрывки аудиокниги при различных уровнях фонового шума.
Методология исследования и анализ данных
В ходе исследования учёные моделировали, как ЭЭГ-реакции участников отражали ряд акустических и лингвистических особенностей речи, а также как это отслеживание изменялось в зависимости от поведения при разных уровнях шума. Отслеживание ЭЭГ почти всех исследованных признаков показало зависимые от отношения сигнал/шум (SNR) изменения в объяснённой уникальной дисперсии, причём наибольшие изменения наблюдались для лингвистических признаков.
Неожиданные результаты и их интерпретация
Изначально исследователи предполагали, что только отслеживание признаков более высокого уровня будет предсказывать поведение. Однако результаты показали, что как высокоуровневые, так и низкоуровневые признаки были связаны с поведенческими показателями в зависимости от уровня шума. ЭЭГ-маркеры влияния нисходящего, основанного на контексте предсказания на восходящую акустическую обработку также коррелировали с поведением. Эти выводы помогают охарактеризовать взаимосвязь между мозгом и поведением, всесторонне связывая иерархические показатели нейронной обработки речи с метриками понимания языка.
Источник: eNeuro recent issues
