推断空间干扰的图形方法:适用于亨廷顿病的言语
Lucie Chenain1, Rachid Riad2, Nicolas Fraisse3
1Département d'Etudes Cognitives, École normale supérieure, PSL University, NeuroPsychologie Interventionnelle, 75005 Paris, France; Univ Paris Est Créteil, INSERM U955, Institut Mondor de Recherche Biomédicale, Equipe NeuroPsychologie Interventionnelle, F-94010 Créteil, France; NeurATRIS Créteil, France; ALMAnaCH, INRIA, 75012 Paris, France; Learning Planet Institute, Université de Paris, 75004 Paris, France.
语音分析可以识别亨廷顿病 (HD) 的空间缺陷. 我们的空间描述模型在明显的HD患者中揭示了更少的空间关系和更少的探索,提供了一个新的评估工具.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 语言学的语言学.
背景情况:
- 亨廷顿病 (HD) 是一种由Htt基因突变引起的遗传性神经退行性疾病.
- 认知障碍,特别是空间能力,在HD中很常见,但很难评估.
- 目前对HD的空间缺陷的评估方法耗时,需要专家评估.
研究的目的:
- 建立概念证明,语音可以用于评估亨廷顿病的空间缺陷.
- 调查基于语言的分析对评估HD患者的空间认知的有用性.
- 开发和验证一种用于通过高清语音评估空间能力的新型模型.
主要方法:
- 空间描述模型 (SDM) 的开发,以分析语言中的空间关系.
- 使用 Cookie Theft Picture (CTP) 任务,专注于包含空间术语的句子.
- 包括78名突变Htt (56名显现,22名前显现) 个体和25名来自BIOHD和Repair-HD队列的健康对照.
- 使用SelfCog电池验证了SDM的融合和分歧.
主要成果:
- SDM是唯一评估的模型,可以检测空间能力的显著差异.
- 与对照组相比,患有明显的HD个体描述的空间关系较少,空间探索也较少.
- SDM衍生的空间测量与视觉空间和语言性能相关联,但不是运动,执行或记忆功能.
结论:
- 基于语言的分析,通过空间描述模型,可以有效地检测亨廷顿病患者的空间干扰.
- 这种方法提供了一种新的,可能是远程的方法来评估HD的空间缺陷.
- 将空间评估整合到基于语言的评估中,扩大了HD监测的功能面板.
更多相关视频
09:06Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI—Application in Premanifest Huntington's Disease
Published on: June 9, 2018
13:12Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping
Published on: August 12, 2019
