brainlingua_archive

#non_restricted نویسندگان بر پایه این یافته‌ها، چارچوبی نظری و سلسله‌مراتبی پیشنهاد می‌کنند که در آن نوسانات فرکانس‌پایین (تتا، آلفا، بتای پایین) نقش رهبر ارکستر را ایفا می‌کنند: هماهنگ‌کنندگانی کلان‌مقیاس که سه کارکرد اصلی را برعهده دارند: برآورد و مقایسه حالت پیش‌بینی‌شده با بازخورد حسیِ واقعی، تخصیص توجه و سرکوب اطلاعات نامرتبط با تکلیف، و مقیاس‌بندیِ پویای فرمان‌های اصلاحی متناسب با میزان خطا. در مقابل، نوسانات فرکانس‌بالا (بتای بالا و گاما) به‌مثابه نوازندگان عمل می‌کنند: سیگنال‌های موضعی که هنگام تضعیف کنترل پیش‌بینی‌کننده، بارِ پردازشیِ بیشتری برعهده می‌گیرند. به تعبیر تمثیلیِ نویسندگان، در زبان‌پریشی وقتی رهبر ارکستر دچار اختلال می‌شود، نوازندگان ناچارند برای حفظ انسجام اجرا، فعالیت و شدت خود را افزایش دهند؛ نتیجه، اجرایی پرصداتر و پرزحمت‌تر است که هماهنگی و زمان‌بندیِ پیش‌بینی‌کننده یک ارکستر خوب‌رهبری‌شده را فاقد است. ▤ @brainlingua ▤ این چارچوب، که به‌صراحت با مدل‌های موجودِ کنترل حرکتی گفتار مانند DIVA و مدل FACTS مبتنی بر کنترل تلفیقیِ حالت‌ـ‌تکلیف در تعارض نیست بلکه آن‌ها را در سطح نوسانات فرکانسی بسط می‌دهد. با مدل‌های سلسله‌مراتبیِ رمزگذاری پیش‌بینی‌کننده که در آن نوسانات فرکانس‌پایین پیش‌بینی‌های بالا‑به‌پایین را حمل می‌کنند و ریتم‌های فرکانس‌بالا سیگنال‌های دقتِ پایین‌‑به‌بالا را رمزگذاری می‌کنند نیز هم‌سوست. نکته درخور توجه این است که این مدل صرفا توصیفی نیست، بلکه پیش‌بینی‌های آزمون‌پذیری برای پژوهش‌های آینده تولید می‌کند؛ برای نمونه این‌که آیا فعالیت بتای بالا و گاما با افزایش دشواریِ تکلیف یا تلاش جبرانی، در غیابِ تعدیل متناسبِ فرکانس‌پایین، مقیاس می‌یابد یا خیر. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 🟣 پویایی نوسانات عصبی در زبان‌پریشی: تحلیل نقص یکپارچگی شنیداری-حرکتی پس از سکته مغزی تولید روان گفتار مستلزم یکپارچه‌سازی پیوسته میان بازخورد شنیداری و فرمان‌های حرکتی است؛ فرایندی که در چارچوب مدل‌های پیش‌رو (forward models) و نظریه‌های کنترل حرکتی گفتار مانند DIVA و مدل‌های یکپارچگی حسی‌حرکتی صورت‌بندی شده است. برای کاوش تجربی این سازوکار، پژوهشگران از دیرباز از پارادایم‌های بازخورد شنیداری تغییریافته (Altered Auditory Feedback) — شامل جابه‌جایی زیروبمی صدا، تاخیر، پوشانش (masking)، و جابه‌جایی سازه‌ای (formant-shift) — بهره برده‌اند. #زبان_پریشی #یکپارچگی_شنیداری_حرکتی #نوسانات_عصبی #Post_Stroke_Aphasia #Auditory_Motor_Integration #Neural_Oscillations ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted در بخش دیگر پژوهش، پتانسیل‌های ACEP در ۱۰ بیمار و طی ۳۷ ثبت موفق ارزیابی شدند. پاسخ‌های مثبت ACEP—با دامنه‌ی بالای ۱۰ میکروولت—مطابقتی کامل با مناطق شناسایی‌شده توسط Tractography و nTMS داشتند و مجاورت لبه‌ی جراحی با مسیرهای ماده سفید را تایید می‌کردند. دامنه‌های ACEP در شرایط بیهوشی عمومی و در تومورهای درجه بالاتر نیز به‌طور معناداری بیشتر بود. نویسندگان افزایش دامنه‌ی N1 پس از برداشتن تومور را از چند زاویه تحلیل کرده‌اند: ▤ @brainlingua ▤ نخست، تحریک‌پذیری بیش از حد قشر مغز: برداشتن جرم تومور و کاهش فشار بافتی می‌تواند مهار گاباارژیک را در نواحی اطراف تومور کاهش دهد و شبکه‌های عصبی را به حالتی فعال‌تر بازگرداند. دوم، پلاستیسیته‌ی عصبی: مغز بیماران مبتلا به گلیوم ممکن است پیش‌تر از مسیرهای موازی یا چندسیناپسی برای جبران عملکرد زبانی بهره برده باشد که پس از حذف تومور، اتصال‌پذیری موثر این شبکه‌ها آشکارتر می‌شود. سوم، عوامل بیوفیزیکی نظیر تغییر هندسه‌ی حفره‌ی جراحی، رسانایی بافت و فروکش کردن اِدِم (Edema)؛ با این حال، ثابت ماندن زمان تاخیر نشان می‌دهد این تغییرات صرفا محصول نویز یا هدایت حجمی ساده نیستند و ریشه‌ای فیزیولوژیک دارند. مقاله همچنین بر ضرورت استفاده‌ی هم‌زمان از هر دو آرایش دوقطبی و مرجع تاکید می‌کند: آرایش مرجع سیگنال‌های وسیع‌تری با حساسیت بالاتر ثبت می‌کند، حال آنکه آرایش دوقطبی تفکیک فضایی بهتر و مقاومت بیشتری در برابر نویز دارد؛ نادیده گرفتن ثبت دوقطبی می‌تواند به موارد منفی کاذب در تشخیص آسیب بینجامد. ▤ @brainlingua ▤ بطور کل، یافته‌های این پژوهش نشان می‌دهد که AF-CCEP و AF-ACEP روش‌هایی عملی، ایمن و بازتولیدپذیر برای پایش کارکردی مسیرهای زبانی در جراحی تومورهای اطراف شیار سیلوین‌اند. پایداری زمان تاخیر موج N1 نشانه‌ی سلامت فیبرهای عصبی است، در حالی که افت دامنه‌ی آن به بیش از ۵۰ درصد هشداری جدی برای آسیب به طناب هلالی و بروز آفازی پس از جراحی محسوب می‌شود. در مواردی که کرانیوتومی بیدار ناممکن یا ممنوع است، پایش AF-CCEP تحت بیهوشی عمومی جایگزینی ارزشمند برای کاهش عوارض زبانی به شمار می‌رود، و AF-ACEP نیز به‌عنوان ابزاری مکمل درون حفره‌ی جراحی، مرزهای دقیق ماده سفید را مشخص می‌سازد و جراح را در دستیابی به حداکثر برداشت ایمن تومور یاری می‌دهد. این پژوهش گامی است در مسیر نگاهی شبکه‌ای‌تر به ارزیابی‌های الکتروفیزیولوژیک در جراحی‌های نورو-انکولوژی و زمینه‌ساز استانداردسازی پروتکل‌های پایش مسیرهای زبانی. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted در این خصوص، در یک پژوهش به بررسی دو زیست‌نشانگر پرداخته شده است: پتانسیل‌های برانگیخته قشری-قشری (AF-CCEP)، که از تحریک یک ناحیه قشری و ثبت پاسخ در ناحیه‌ی متصل به آن حاصل می‌شود، و پتانسیل‌های برانگیخته آکسونی-قشری (AF-ACEP)، که از تحریک مستقیم رشته‌های ماده سفید در حفره‌ی برداشت تومور و ثبت پاسخ قشری به دست می‌آید. هدف اصلی، ارزیابی امکان‌پذیری فنی، کاربرد بالینی و ارزش پیش‌بینانه‌ی این دو روش در طول جراحی تومورهای بالای خیمه‌ای (Supratentorial) و در کنار آن، پاسخ به این پرسش که آیا تغییرات ریخت‌شناختی موج N1—دامنه و زمان تأخیر آن—می‌تواند زیست‌نشانگری برای پیش‌بینی عملکرد زبانی پس از جراحی باشد. ▤ @brainlingua ▤ این مطالعه‌ی گذشته‌نگر و چندمرکزی بر روی ۱۹ بیمار انجام شد که میان ژوئن ۲۰۲۴ تا سپتامبر ۲۰۲۵ تحت جراحی برداشتن تومورهای مجاور یا درگیرکننده‌ی AF قرار گرفتند؛ ۱۲ نفر با تومور درجه پایین و ۷ نفر با تومور درجه بالا، که از این میان ۱۰ جراحی به‌صورت بیدار و ۹ جراحی تحت بیهوشی عمومی صورت گرفت. برای ثبت AF-CCEP، پالسی تک‌مرحله‌ای با شدت ۱۰ تا ۲۰ میلی‌آمپر بر شکنج پیشانی پایینی اعمال و پاسخ آن از طریق الکترودهای نواری در شکنج گیجگاهی بالایی، در دو آرایش مرجع و دوقطبی، ثبت می‌شد. برای AF-ACEP نیز تحریک دوقطبی زیرقشری در دیواره‌های دیستال و عمقی حفره‌ی جراحی اعمال و پاسخ قشری ثبت می‌گردید. تصویربرداری DTI Tractography پیش از جراحی و، در موارد ممکن، تحریک مغناطیسی تکرارشونده‌ی ناوبرشده (nTMS)، مسیر هدایت الکترودها را دقیق‌تر می‌ساختند. ▤ @brainlingua ▤ نخستین یافته‌ی برجسته، پایداری چشمگیر زمان تاخیر موج N1 در طول جراحی بود—از میانگین ۱۶/۰۲ میلی‌ثانیه پیش از برداشت تومور تا ۱۵/۷۴ میلی‌ثانیه پس از آن—که نشان می‌دهد این متغیر معیاری ثابت و مستقیم از سرعت هدایت آکسونی در مسیر سالم AF است. در مقابل، و برخلاف انتظار اولیه‌ی پژوهشگران مبنی بر ثبات دامنه، دامنه‌ی اوج موج N1 در کل کوهورت پس از برداشتن تومور به‌طور معناداری افزایش یافت (p = ۰/۰۰۱)؛ افزایشی که در آرایش مرجع و در تومورهای نواحی پیشانی و گیجگاهی مشهودتر بود. افت دامنه‌ی موج N1 به میزان بیش از ۵۰ درصد به‌عنوان آستانه‌ی هشدار بالینی در نظر گرفته شد. در سراسر مطالعه، تنها یک بیمار چنین افت شدیدی را تجربه کرد: فردی مبتلا به اولیگودندروگلیومای درجه ۲ آهیانه‌ای چپ که در حین جراحی عمقی، افت تقریبا کامل سیگنال را در آرایش دوقطبی CCEP نشان داد. این بیمار پس از جراحی دچار آفازی هدایتی شد؛ DTI پس از عمل نیز قطع‌شدگی و آسیب موضعی در بخش پشتی AF را تایید کرد، هرچند او در پیگیری دوازده‌ماهه حدود ۸۰ درصد از توانایی زبانی خود را بازیافت. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 🔺 نقشه‌ی زنده‌ی زبان: ارزیابی پتانسیل‌های عصبیِ طناب هلالی در طول جراحی گلیوم حفظ عملکرد زبان پس از جراحی تومورهای مغزی، به‌ویژه گلیوم‌های مجاور یا درگیرکننده مسیرهای تکلمی، یکی از دشوارترین چالش‌ها بوده است. در قلب این چالش، طناب هلالی (AF) قرار دارد؛ اصلی‌ترین رشته‌ی مسیر پشتی زبان که نواحی درک و تولید گفتار، یعنی نواحی سنتی ورنیکه و بروکا، را به یکدیگر متصل می‌کند. آسیب به این دسته نورونی می‌تواند به آفازی هدایتی و اختلال در تکرار کلمات بینجامد. اگرچه کرانیوتومی بیدار همراه با تحریک مستقیم الکتریکی همچنان استاندارد طلایی نقشه‌برداری زبان به شمار می‌رود، بسیاری از بیماران—سالمندان یا افراد با اختلالات شناختی، یا مبتلایان به تومورهای بسیار گسترده—از این گزینه محروم‌اند. از همین رو، توسعه‌ی روش‌های الکتروفیزیولوژیک پیوسته جهت پایش مسیرهای زبانی حتی تحت بیهوشی عمومی اهمیتی بالینی انکارناپذیر یافته است. #آفازی_هدایتی #جراحی_تومور #پلاستیسیته_عصبی #Arcuate_Fasciculus #GliomaSurgery #Neuroplasticity ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted نظریه غالب در این زمینه، فرضیه بازیافت عصبی (neuronal recycling) است که پیش‌تر توسط Dehaene و Cohen مطرح شده و بر این ایده استوار است که ریاضیات نمادین، مدارهای عصبی کهنی را که در اصل زیربنای شهودهای پیش‌ریاضی بوده‌اند بازآرایی و بازاستفاده می‌کند. پژوهش‌های تصویربرداری عصبی پیشین یک شبکه قشری پاسخ‌گو به ریاضیات را در بزرگسالان شناسایی کرده‌اند که نواحی پیش‌پیشانی پشتی، بین‌آهیانه‌ای و گیجگاهی پایینی شکمی-جانبی را دربر می‌گیرد؛ همین شبکه، با درجاتی از شباهت، در نوزادان، کودکان و حتی نخستی‌های غیرانسانی نیز گزارش شده است. ▤ @brainlingua ▤ برای پر کردن این خلا، در یک مطالعه طولی بزرگ‌مقیاس با سه نوبت تصویربرداری fMRI به فاصله یک سال از یکدیگر (مجموعا ۱۴۹ نوبت اسکن) طرحی اجرا شد که از پایان پیش‌دبستان تا پایان کلاس دوم دبستان را پوشش می‌داد. تکلیف آزمودنی‌ها شنیدن جمله و قضاوت درباره درستی یا نادرستی آن در سه حوزه معنایی ریاضیات (شامل حساب و هندسه)، دانش عمومی (General Knowledge)، و جملات اجتماعی (Social) بود. نکته متمایزکننده این طرح نسبت به اغلب مطالعات پیشین—که عمدتا بر کمیت‌شماری غیرنمادین یا اعداد مجزا تمرکز داشتند—این بود که در اینجا دامنه گسترده‌تری از واژگان ریاضی و، مهم‌تر از آن، ترکیب این واژگان در قالب جملات معنادار (و گاه نادرست) مورد بررسی قرار گرفت؛ یعنی پردازش زبانیِ ریاضیات، نه صرفا ادراک محرک‌های عددی مجزا. پژوهش در سه سطح مکمل: نخست، تفاوت‌های سطح حوزه (domain-level)، یعنی مقایسه جملات ریاضی با جملات غیرریاضی؛ دوم، تخصص‌یابی درون‌حوزه‌ای، یعنی مقایسه حساب و هندسه با یکدیگر؛ و سوم، ساختار بازنمایی ریزدانه، یعنی نگاشت پاسخ عصبی به تک‌تک جملات برای مشخص‌کردن فضای مفهومی درحال شکل‌گیریِ ریاضیات طراحی شده است. محرک‌ها شامل ۷۲ جمله (۲۴ جمله در هر حوزه) بودند که از نظر ساختار نحوی، تعداد واژه، تعداد واج، مدت زمان و بسامد واژگانی با یکدیگر همتاسازی شده بودند. تکلیف اصلی، شنیدن این جملات و قضاوت درستی/نادرستی آن‌ها با فشردن دکمه بود. تصویربرداری با اسکنر ۳ تسلا زیمنس Prisma و توالی چندباندی با کیفیت بالا انجام شد. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 💎 معماری اولیه ذهن عددی: سازمان‌یابی شبکه ریاضی پیش از آموزش رسمی اینکه مغز کودک چگونه از شهودهای اولیه عددی و هندسی که پیش از هرگونه آموزش رسمی وجود دارند به‌سوی تسلط بر ریاضیات نمادین و مدرسه‌محور حرکت می‌کند، مسئله‌ای نیازمند واکاوی علمی است. از یک‌سو، شهودهای پیش‌نمادین مانند برآورد تقریبی کمیت (approximate number) و درک غیرنمادین هندسه، پدیده‌هایی کهن از منظر تکاملی‌اند که در نوزادان انسان، فرهنگ‌های گوناگون، و حتی گونه‌هایی چون میمون‌ها، ماهی‌ها و زنبورها مشاهده شده‌اند. از سوی دیگر، ریاضیات نمادین و صوری که به سال‌ها آموزش ساختاریافته نیاز دارد پدیده‌ای منحصرا انسانی است و برای بسیاری از کودکان با دشواری همراه است. پرسش محوری این است که چگونه مدارهای عصبی مشترکی که زیربنای این دو سطح‌اند به هم پیوند می‌خورند. #شناخت_ریاضی #علوم_اعصاب_شناختی #تحول_شناختی_کودک #آموزش_و_مغز #هندسه_و_حساب #Neuronal_Recycling #Mathematical_Cognition #Developmental_Neuroscience #Education_and_Brain ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted طی یک دهه‌ی گذشته، پروتزهای عصبی تهاجمی پیشرفت‌های خیره‌کننده‌ای داشته‌اند؛ ایمپلنت‌هایی که اکنون قادرند سرعت و کیفیت ارتباط کلامی را در بیماران دچار فلج شدید یا آسیب‌های مغزی، تا مرزهای نزدیک به گفتار طبیعی بازگردانند. اما این دستاوردها بهایی سنگین دارند: نیاز به جراحی مغز، خطر عفونت و خونریزی، و دشواری حفظ کارایی ایمپلنت در بلندمدت. در سوی دیگر طیف، فناوری‌های غیرتهاجمی نظیر الکتروآنسفالوگرافی (EEG) گرچه از خطرات جراحی به‌دورند، اما به دلیل نسبت پایین سیگنال به نویز (SNR)، معمولا کاربر را ملزم به انجام تکالیف دشوار و طاقت‌فرسایی چون تمرکز طولانی‌مدت بر محرک‌های چشمک‌زن یا تصور حرکتی می‌کنند؛ آن هم با دقتی که در نهایت در سطحی متوسط باقی می‌ماند. ▤ @brainlingua ▤ دقیقا در همین شکاف میان ایمنی و دقت است که مدل هوش مصنوعی تازه‌ای به نام Brain2Qwerty پا به میدان می‌گذارد؛ مدلی که هدفش کوچک‌کردن این فاصله، بدون قربانی‌کردن ایمنی بیمار، است. ▤ @brainlingua ▤ برای آزمودن این رویکرد، پژوهشگران سراغ گروهی سی‌وپنج‌نفره از داوطلبان سالم، راست‌دست و مسلط به تایپ رفتند که همگی به زبان اسپانیایی صحبت می‌کردند. طراحی آزمایش به این صورت بود که ابتدا جمله‌ای کلمه‌به‌کلمه روی صفحه‌ی نمایش ظاهر می‌شد؛ پس از پایان نمایش و یک مکث کوتاه، از شرکت‌کننده خواسته می‌شد همان جمله را با کمترین بازخورد بصری، روی یک کیبورد استاندارد QWERTY تایپ کند. هم‌زمان با این فرآیند تایپ، فعالیت مغزی افراد ثبت می‌شد؛ برای نیمی از شرکت‌کنندگان با دستگاه مگنتوآنسفالوگرافی (MEG) و برای نیمی دیگر با EEG. قلب نوآوری این پژوهش را باید در معماری سه‌لایه‌ی Brain2Qwerty جست‌وجو کرد. لایه‌ی نخست، یک ماژول کانولوشنی است که وظیفه دارد پنجره‌های زمانی پانصد میلی‌ثانیه‌ای از سیگنال مغزی، درست پیرامون لحظه‌ی فشرده‌شدن هر کلید، را پردازش کند. خروجی این لایه سپس به یک ماژول ترانسفورمر سپرده می‌شود که در سطح کل جمله آموزش دیده است تا با درک بافت و زمینه‌ی متن، پیش‌بینی‌ها را اصلاح و تقویت کند. در نهایت، یک ماژول زبانی مبتنی بر مدل زبانی N-gram (با N=9) که پیش‌تر روی پیکره‌ی متنی ویکی‌پدیای اسپانیایی آموزش دیده، وارد عمل می‌شود تا با تکیه بر قواعد و الگوهای آماری زبان طبیعی، خروجی نهایی را پیراسته و منسجم سازد. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 🔴 وقتی مغز تایپ می‌کند: رمزگشایی غیرتهاجمی جملات از فعالیت عصبی مغز مقاله‌ای که اخیرا در ژورنال Nature Neuroscience منتشر شده، روایتگر گامی تازه و امیدبخش در مسیر توسعه‌ی واسط‌های مغز و رایانه است؛ روشی که برای نخستین‌بار موفق شده فرآیند تولید جمله را صرفا از طریق فعالیت‌های مغزی، بدون کوچک‌ترین دخالت جراحی، رمزگشایی کند. #واسط_مغز_رایانه #رمزگشایی_مغزی #پروتز_عصبی #علوم_اعصاب_شناختی #یادگیری_عمیق #سندروم_قفل‌شدگی #Brain_Computer_Interface #Brain2Qwerty #Neural_Decoding #Non_Invasive_BCI #Deep_Learning #Locked_in_Syndrome #ALS #Neuroprosthetics لینک گیت‌هاب پروژه: (کلیک کنید) ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 🔴 بستر نوروآناتومیک فرگشت زبان: تطابق مجدد مدارهای پیشانی و هم‌تکاملی با طناب هلالی نخستی‌های غیرانسان و انسان از نواحی قشری پیشانیِ شکمی-جانبی (Ventrolateral) و پشتی-میانی (Dorsomedial) برای تولید صدا و ارتباطات آوایی استفاده می‌کنند؛ با این وجود، ظرفیت تولید گفتار پیچیده و دستوری کاملا مختص انسان است. این نواحی از طریق یک ساختار ماده سفید به نام مسیر مورب پیشانی (Frontal Aslant Tract - FAT) به یکدیگر متصل می‌شوند. در یک مطالعه، مقایسه تطبیقی آناتومی FAT در میان گونه‌های مختلف نخستی‌ها برای کشف مکانیسم‌های تکاملی گفتار انسان و همچنین، برای ارزیابی عملکردی این تغییرات ساختاری، همبستگی میان تحلیل‌رفتگی زیربخش‌های FAT و بروز نقص‌های زبانی (نظیر اختلال در روانی کلام و پردازش‌های پیچیده نحوی) در بیماران مبتلا به زبان‌پریشی پیش‌رونده اولیه (Primary Progressive Aphasia - PPA) مورد آزمایش قرار گرفته است. #فرگشت_زبان #تولید_آوا #گفتار #Language_Evolution #Primate_Vocalization #Brain_White_Matter ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted | پادکـست ◄ نوروساینسِ زبان | اپـــیــــزود ◄ بیست و نهم | مـیـزبـــان ◄ استفان ام. ویلسون | گفتگـو بـا ◄ دروسی بیشاپ | مــوضـوع ◄ اختلال رشدی زبان و اساس عصبی آن | مـــنــبـــع ◄ Language Neuroscience Laboratory #Developmental_Language_Disorder #Neuropsychology #Podcast ━━━━━◉────── ↻ㅤ ◁ㅤ ❚❚ㅤㅤ▷ㅤ ⇆ ارائه شده توسط ≫ مغز | زبان | شناخت | آدرس صفحه اینستگرام ≫ ⨠ @brainlingua

#non_restricted نقش علی و تحولی قشر پیش‌حرکتی شکمی چپ در شبکه خواندن کودکان و بزرگسالان بزرگسالان نشانه‌های نوشتاری را با سرعتی شگفت‌انگیز (۴۰۰ تا ۵۰۰ میلی‌ثانیه) و به‌صورت خودکار (حتی بدون آگاهی هشیارانه کامل) از طریق تبدیل بینایی-حرکتی (visuomotor translation) به گفتار تبدیل می‌کنند. این توانایی، ذاتی نیست بلکه حاصل آموزش طولانی‌مدت و بازسازماندهی سیستم‌های عصبی پیشین (مانند نام‌گذاری اشیاء) است. با این حال، در مدل‌های عصب‌شناختی سنتی (مانند مسیر دوگانه یا مثلثی [1 و 2])، شبکه خواندن نیمکره چپ صرفا در مسیرِ شکنج دوکی‌شکل (FG) (پردازش دیداری) ← شکنج فوق‌حاشیه‌ای (SMG) (رمزگشایی واجی) ← قشر پیش‌پیشانی پایینی پشتی تعریف می‌شود. در این مدل‌ها، قشر پیش‌حرکتی شکمی چپ (Left PMv) به‌طور واضح به عنوان یک بلوک ساختاری بنیادین به رسمیت شناخته نشده است و مولفه‌های نهایی گفتار معمولا تحت عنوان کلی "ناحیه بروکای پشتی" یا "شکنج پیش‌مرکزی" برچسب‌گذاری می‌شوند. #خواندن #قشر_حرکتی #زبان #Reading #Phonological_Decoding #Ventral_Premotor ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted ⭕️ تحول شبکه‌های عصبی و تخصصی‌شدن نیمکره‌ای در درک لحن عاطفی گفتار درک کامل زبان تنها به پردازش واژگان و قواعد نحوی محدود نمی‌شود، بلکه نوای عاطفی (Emotional Prosody) — یعنی آهنگ، طنین و لحن صدا — نقشی حیاتی در انتقال وضعیت عاطفی گوینده و تعاملات اجتماعی ایفا می‌کند. در بزرگسالان، شواهد متقنی وجود دارد که نشان می‌دهد نیمکره راست مغز (به‌ویژه نواحی پیشانی-گیجگاهی) نقش مسلط را در پردازش این مولفه‌های عاطفی بر عهده دارد. در مقابل، پردازش‌های ساختاری و زبانی عمدتا در نیمکره چپ متمرکز هستند. با این حال، چگونگی شکل‌گیری این تفاوت عملکردی در طول دوران کودکی همواره محل بحث بوده است. تحقیقات گذشته در زمینه رشد نشان داده‌اند که پردازش جملات و نحو در سنین پایین به‌صورت توزیع‌شده و در هر دو نیمکره انجام می‌شود و با افزایش سن، به تدریج به سمت نیمکره چپ متمایل و جانبی (Left-lateralized) می‌گردد. #نوای_عاطفی #جانبی_شدن_نیمکره_ای #تکوین_عصبی #Emotional_Prosody #Neurodevelopment #Functional_Specialization ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted مطابقت نحوی در شبکه‌های عصبی و گفتار کودک-محور تحلیل نتایج مدل‌های عصبی در شرایط چهارگانه ارزیابی (تطابق/عدم تطابق شمار اسامی و جفت‌های دیده شده/دیده نشده) پدیده جالبی را آشکار ساخت: ▤ @brainlingua ▤ ناامیدی در دو سر طیف آماری: در شرایطی که تنوع بسیار بالا بود (alpha = 0)، مدل‌ها نمی‌توانستند سیگنال آماری منسجمی برای کشف وابستگی نحوی پیدا کنند. در سمت مقابل، وقتی پیش‌بینی‌پذیری مطلق بود (∞ ⇾ alpha)، مدل‌ها صرفا جفت کلمات را حفظ می‌کردند و در مواجهه با کلمات جدید کاملا شکست می‌خوردند. کشف نقطه بهینه (Sweet Spot): نتایج نشان داد که در alpha ≈ 1.4، مدل‌ها به دقت نزدیک به % 100 در تشخیص قاعده درست مطابقت نهاد و فعل دست یافتند. این سطح از پایداری نشان می‌دهد که داده‌ها باید به اندازه کافی پیش‌بینی‌پذیر باشند تا پیوند میان نهاد و فعل آشکار شود، و در عین حال به اندازه کافی متنوع باشند تا انتزاع ساختاری شکل بگیرد. انطباق شگفت‌انگیز با زبان مادری: در آزمایش دوم، تحلیل پیکره CHILDES نشان داد که پارامتر آلفای بهینه برای برازش گفتار واقعی هدایت‌شده به کودک برابر با alpha = 1.43 است. همچنین با تفکیک گروه‌های سنی کودکان، مشخص شد که این پارامتر با افزایش سن کودک کمی کاهش می‌یابد (از 1.46به 1.23) اما در تمام مراحل دقیقا در محدوده بهینه‌ای قرار دارد که مدل‌های کامپیوتری در آن بهترین عملکرد تعمیم‌دهی نحوی را داشتند. ▤ @brainlingua ▤ این ایده با مفهوم خودراه‌اندازی توزیعی (Distributional Bootstrapping) که به کشف مقولات واژگانی (مانند اجزای کلام) کمک می‌کند همسو است، اما گامی فراتر رفته و نشان می‌دهد که آمار توزیعی نه تنها کلمات، بلکه روابط ساختاری میان کلمات را نیز عیان می‌سازد. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 🔴 نقش هم‌آیی آماری واژگان در انتزاع قواعد نحوی: شواهد شبیه‌سازی عصبی و تحلیل پیکره‌ای یکی از چالش‌های بنیادین در علوم شناختی و زبان‌شناسی، درک چگونگی اکتساب ساختارهای نحوی توسط کودکان است، چرا که جملات ورودی به ذهن کودک فاقد درخت‌های نحوی صریح یا برچسب‌های ساختاری هستند. دیدگاه‌های سنتی غالبا بر فرضیه وجود پیش‌زمینه یا استعدادهای ذاتی (مانند گرامر جهانی چامسکی) تأکید دارند. در مقابل، رویکردهای مبتنی بر داده بر این باورند که نشانه‌های غیر نحوی مانند معناشناسی (Semantic Bootstrapping) یا آهنگ و واج‌شناسی (Prosodic Bootstrapping) به عنوان محرک اولیه یا خودراه‌انداز جهت کشف قوانین نحوی عمل می‌کنند. با پیشرفت‌های اخیر در هوش مصنوعی، مدل‌های شبکه‌ عصبی بدون داشتن دانش ساختاری پیش‌فرض، تنها با تکیه بر ویژگی‌های آماری رشته‌های زبانی، توانسته‌اند پدیده‌های پیچیده نحوی را یاد بگیرند. این امر این سوال را ایجاد می‌کند که سیگنال‌های آماری دقیقا چگونه به اکتساب نحو کمک می‌کنند؟ ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted طبق نظریه CPD، گلوگاه کاهش اطلاعات بلافاصله پس از خروجی V1 آغاز می‌شود و تجمیع سیگنال‌ها در نواحی بالاتر باعث از دست رفتن جزئیات بصری می‌گردد که نتیجه آن بروز پدیده شلوغی بینایی (Visual Crowding) در میدان بینایی محیطی است. برای غلبه بر این فقر اطلاعاتی در فرآیند بازشناسی، نواحی بالاتر مغز فرآیندی تحت عنوان پرس‌وجوی بازخوردی (Feedback query) را به سمت قشرهای اولیه مانند V1 آغاز می‌کنند تا اطلاعات جزئی‌تر و مرتبط را استعلام نمایند. تئوری CPD پیش‌بینی می‌کند که برای بهینه‌سازی مصرف انرژی و کاهش هزینه‌های محاسباتی، این بازخورد بالا به پایین عمدتاً به سمت بازنمایی‌های میدان بینایی مرکزی (مرکز نگاه) هدایت می‌شود و میدان محیطی به دلیل ضعف در دریافت این بازخورد، در برابر شلوغی بصری و توهم‌ها آسیب‌پذیر باقی می‌ماند. این تعامل پیچیده در قالب الگوریتم پیش‌رو-بازخورد-تأیید-وزن‌دهی مجدد (Feedforward-Feedback-Verify-reWeight - FFVW) اجرایی می‌شود که نوعی فرآیند تحلیل از طریق سنتز (Analysis-by-synthesis) است: ▤ @brainlingua ▤ سیگنال پیش‌رو (Feedforward - r): ابتدا سیگنال‌های اولیه از مسیر گلوگاه عبور کرده و فرضیه‌های مختلفی را در نواحی بالاتر مغز درباره چیستی تصویر ایجاد می‌کنند (مثلا فرضیه H1: این یک گل سرخ است؛ فرضیه H2: این یک سیب سرخ است) و به هر فرضیه یک وزن اولیه اختصاص می‌یابد. پرس‌وجوی بازخوردی (Feedback query - r): نواحی بالاتر از طریق مسیرهای بازخوردی، اطلاعات مشخصی را از V1 استعلام می‌کنند. تأیید و وزن‌دهی مجدد (Verify & reWeight): مغز بر اساس دانش درونی خود، پاسخ نورونی مورد انتظار برای هر فرضیه را شبیه‌سازی می‌کند. اگر پاسخ واقعیِ دریافت شده از V1 با شبیه‌سازی فرضیه سازگار باشد، وزن آن فرضیه افزایش و در غیر این صورت کاهش می‌یابد تا سرانجام فرضیه‌ای که بیشترین وزن را دارد به عنوان ادراک نهایی تایید شود. ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted قشر بینایی اولیه؛ نقشه برجستگی و معماری گلوگاه اطلاعاتی در سیستم بینایی دهه‌ها پیش، دانشمندانی چون هابل و ویزل مکانیسم‌های سلولی قشر بینایی اولیه (V1) و نحوه تبدیل ورودی‌های شبکیه توسط تک‌نورون‌ها را کشف کردند؛ با این حال، کارکرد کلان و سیستمیک V1 به عنوان یک کل واحد، تا همین اواخر ناشناخته باقی مانده بود. در یک مقاله مروری، با به چالش کشیدن نگاه سنتی (که V1 را صرفاً یک تحلیل‌گر اولیه خصوصیات تصویر می‌دانست)، کارکردهای نوین و بنیادینی برای آن تبیین شده است. این کارکردها در چارچوب مفهومی جدیدی به نام "نگاه کردن و دیدن از طریق گلوگاه پردازش" (Looking-and-seeing through the bottleneck) خلاصه می‌شود که فرضیه‌های گذشته مانند فرضیه برجستگی (V1SH) را با تئوری جدیدتر دوگانگی مرکزی-محیطی (Central-Peripheral Duality, CPD) یکپارچه می‌سازد. #قشر_بینایی #نقشه_برجستگی #گلوگاه_اطلاعاتی #دوگانگی_مرکزی_محیطی #ادراک_بینایی #Primary_Visual_Cortex #Saliency_Map #Saccadic_Eye_Movements #Computational_Neuroscience ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted 💢 فراتر از کلمات: چگونه گفتار درونی به تجربیات اپیزودیک ما غنا می‌بخشد! 🔺 هم‌گرایی زبان، حافظه اپیزودیک و بازپخش هیپوکامپ 🔺 مکانیسم مغز برای پیوند دادن مفاهیم به کلمات (Connected Paper) #گفتار_درونی #زبان #حافظه #هیپوکامپ #خود_تنظیمی #Inner_speech…

#non_restricted 💢 فراتر از کلمات: چگونه گفتار درونی به تجربیات اپیزودیک ما غنا می‌بخشد! 🔺 هم‌گرایی زبان، حافظه اپیزودیک و بازپخش هیپوکامپ 🔺 مکانیسم مغز برای پیوند دادن مفاهیم به کلمات (Connected Paper) #گفتار_درونی #زبان #حافظه #هیپوکامپ #خود_تنظیمی #Inner_speech #Language #memory #hippocampus #human_Mind ▨ ارائه شده توسط | مغز | زبان | شناخت | ▧ آدرس صفحه اینستگرام | ▤ @brainlingua ▤

#non_restricted ◉ بازنمایی‌های پیش‌بینی‌کننده در قشر مغز و همبستگی‌های آماری در پردازش زبان طبیعی ⁛ آیا مغز واقعا می‌داند کلمه بعدی چیست؟ ⁛ بازتاب ظاهری رمزگذاری عصبی کلمات بعدی ناشی از ساختار آماری زبان یا از محاسبات پیش‌بینی‌کننده در مغز است؟ #رمزگذاری_پیش‌بینی‌کننده #تعبیه‌سازی_کلمات #معنا #پسماندگیری #همبستگی #Predictive_Coding #Word_Embeddings #Encoding_Models #Neural_Signatures_of_Language ▨  ارائه شده توسط | مغز | زبان | شناخت | ▧  آدرس صفحه اینستگرام | ▤ @brainlingua ▤