贝叶斯推断状态反控制参数的贝叶斯推断,用于大脑动症中对干扰反应的反应

科学领域:

• 语音运动控制器的控制器
• 计算神经科学是一种计算神经科学.
• 临床听力学 临床听力学

背景情况:

• 在典型和临床人群中,行为语言任务对于理解语言运动控制至关重要.
• 仅使用行为数据就很难区分行为差异背后的神经机制.
• 大脑动症 (CA) 患者对听觉音调扰乱表现出不典型的补偿反应,其根本原因不明.

研究的目的:

• 将计算建模和贝叶斯推理应用于语音控制的状态反控制 (SFC) 模型.
• 为了研究与CA和典型的说话者之间的语音运动控制参数之间的差异.
• 为了产生关于CA语言变化的神经基础的假设.

主要方法:

• 用贝叶斯推理将语音基本频率 (fo) 控制的SFC模型与行为音调扰动数据相匹配.
• 估计了模型参数,包括感觉反延迟,噪声水平和控制器增益.
• 在具有AC的扬声器和典型扬声器之间比较了模型参数的后期概率分布.

主要成果:

• 与典型的演讲者相比,CA的演讲者表现出不同的听觉和体感反的比例加权.
• 而CA组对听觉反的相对敏感性更高.
• 在控制器增益参数中观察到显著的群体差异,表明CA组中对错误的电机输出响应增加.

结论:

• 患有CA的个体可以调整语音运动控制中的听觉和体感反的相对权重.
• 在CA中控制器收益增加表明对语音错误的增强运动反应.
• 这种贝叶斯推理方法为通过可解释的模型参数解释行为语音数据提供了一个框架,指导未来的CA研究.