部分最小正方形多式分析大脑网络与失言症语言缺陷相关

科学领域:

• 神经科学是一个神经科学.
• 神经语言学是一种神经语言学.
• 认知神经学 认知神经学

背景情况:

• 损伤症状映射对于理解语言中的大脑功能至关重要.
• 神经成像和行为数据的高对线性使得语言领域的不同神经基质的识别变得复杂.
• 区分共享变异 (多个领域) 和唯一变异 (特定功能) 是一个持续的挑战.

研究的目的:

• 开发和应用一种新的多式联络方法,用于在失言症中进行病变-症状映射.
• 用多变量局部最小平方回归来区分语言障碍的共同和独特的神经决定因素.
• 为了研究慢性失言症中病变行为映射的潜在结构.

主要方法:

• 在左半球中风后检查了86名患有慢性失言症的参与者 (>中风后12个月).
• 评估语言障碍使用西非失语电池修订 (WAB-R) 的子测试.
• 通过多式神经成像来定义大脑损伤,并应用潜解的多变量部分最小平方回归.

主要成果:

• 两到六个潜在变量解释了神经成像数据和语言表现之间的共变率的50%.
• 自发言语是最有影响力的语言衡量标准;西里西尔维亚地区占有最大的共享差异.
• 共享的解剖网络对语言测量进行了适度预测 (最高r=0.45),而独特区域占剩余差异的5.0-27.9%.

结论:

• 临床上显著的语言障碍主要是由于共享的解剖网络的损伤造成的.
• 共享的西尔维亚区域广泛影响多个语言领域,而分布式区域独特地导致特定的缺陷,如听觉理解.
• 区分共享和独特的损伤-症状关联可以提高对失言症的理解,并为个性化治疗策略提供信息.