A speech processing algorithm was developed to create more salient versions of the rapidly changing elements in the acoustic waveform of speech that have been shown to be deficiently processed by language-learning impaired (LLI) children. LLI children received extensive daily training, over a 4-week period, with listening exercises in which all speech was translated into this synthetic form. They also received daily training with computer "games" designed to adaptively drive improvements in temporal processing thresholds. Significant improvements in speech discrimination and language comprehension abilities were demonstrated in two independent groups of LLI children.

Speech comprehension depends on the integrity of both the spectral content and temporal envelope of the speech signal. Although neural processing underlying spectral analysis has been intensively studied, less is known about the processing of temporal information. Most of speech information conveyed by the temporal envelope is confined to frequencies below 16 Hz, frequencies that roughly match spontaneous and evoked modulation rates of primary auditory cortex neurons. To test the importance of cortical modulation rates for speech processing, we manipulated the frequency of the temporal envelope of speech sentences and tested the effect on both speech comprehension and cortical activity. Magnetoencephalographic signals from the auditory cortices of human subjects were recorded while they were performing a speech comprehension task. The test sentences used in this task were compressed in time. Speech comprehension was degraded when sentence stimuli were presented in more rapid (more compressed) forms. We found that the average comprehension level, at each compression, correlated with ( i ) the similarity between the frequencies of the temporal envelopes of the stimulus and the subject's cortical activity (“stimulus-cortex frequency-matching”) and ( ii ) the phase-locking (PL) between the two temporal envelopes (“stimulus-cortex PL”). Of these two correlates, PL was significantly more indicative for single-trial success. Our results suggest that the match between the speech rate and the a priori modulation capacities of the auditory cortex is a prerequisite for comprehension. However, this is not sufficient: stimulus-cortex PL should be achieved during actual sentence presentation.

Functional connectivity (FC) between brain regions is thought to be central to the way in which the brain processes information. Abnormal connectivity is thought to be implicated in a number of diseases. The ability to study FC is therefore a key goal for neuroimaging. Functional connectivity (fc) MRI has become a popular tool to make connectivity measurements but the technique is limited by its indirect nature. A multimodal approach is therefore an attractive means to investigate the electrodynamic mechanisms underlying hemodynamic connectivity. In this paper, we investigate resting state FC using fcMRI and magnetoencephalography (MEG). In fcMRI, we exploit the advantages afforded by ultra high magnetic field. In MEG we apply envelope correlation and coherence techniques to source space projected MEG signals. We show that beamforming provides an excellent means to measure FC in source space using MEG data. However, care must be taken when interpreting these measurements since cross talk between voxels in source space can potentially lead to spurious connectivity and this must be taken into account in all studies of this type. We show good spatial agreement between FC measured independently using MEG and fcMRI; FC between sensorimotor cortices was observed using both modalities, with the best spatial agreement when MEG data are filtered into the β band. This finding helps to reduce the potential confounds associated with each modality alone: while it helps reduce the uncertainties in spatial patterns generated by MEG (brought about by the ill posed inverse problem), addition of electrodynamic metric confirms the neural basis of fcMRI measurements. Finally, we show that multiple MEG based FC metrics allow the potential to move beyond what is possible using fcMRI, and investigate the nature of electrodynamic connectivity. Our results extend those from previous studies and add weight to the argument that neural oscillations are intimately related to functional connectivity and the BOLD response.

This paper discusses the location bias and the spatial resolution in the reconstruction of a single dipole source by various spatial filtering techniques used for neuromagnetic imaging. We first analyze the location bias for several representative adaptive and non-adaptive spatial filters using their resolution kernels. This analysis theoretically validates previously reported empirical findings that standardized low-resolution electromagnetic tomography (sLORETA) has no location bias. We also find that the minimum-variance spatial filter does exhibit bias in the reconstructed location of a single source, but that this bias is eliminated by using the normalized lead field. We then focus on the comparison of sLORETA and the lead-field normalized minimum-variance spatial filter, and analyze the effect of noise on source location bias. We find that the signal-to-noise ratio (SNR) in the measurements determines whether the sLORETA reconstruction has source location bias, while the lead-field normalized minimum-variance spatial filter has no location bias even in the presence of noise. Finally, we compare the spatial resolution for sLORETA and the minimum-variance filter, and show that the minimum-variance filter attains much higher resolution than sLORETA does. The results of these analyses are validated by numerical experiments as well as by reconstructions based on two sets of evoked magnetic responses.

Abstract Several behavioral and brain imaging studies have demonstrated a significant interaction between speech perception and speech production. In this study, auditory cortical responses to speech were examined during self-production and feedback alteration. Magnetic field recordings were obtained from both hemispheres in subjects who spoke while hearing controlled acoustic versions of their speech feedback via earphones. These responses were compared to recordings made while subjects listened to a tape playback of their production. The amplitude of tape playback was adjusted to match the amplitude of self-produced speech. Recordings of evoked responses to both self-produced and tape-recorded speech were obtained free of movement-related artifacts. Responses to self-produced speech were weaker than were responses to tape-recorded speech. Responses to tones were also weaker during speech production, when compared with responses to tones recorded in the presence of speech from tape playback. However, responses evoked by gated noise stimuli did not differ for recordings made during self-produced speech versus recordings made during tape-recorded speech playback. These data suggest that during speech production, the auditory cortex (1) attenuates its sensitivity and (2) modulates its activity as a function of the expected acoustic feedback.

A variety of practical methods have recently been introduced for finding maximally sparse representations from overcomplete dictionaries, a central computational task in compressive sensing applications as well as numerous others. Many of the underlying algorithms rely on iterative reweighting schemes that produce more focal estimates as optimization progresses. Two such variants are iterative reweighted l 1 and l 2 minimization; however, some properties related to convergence and sparse estimation, as well as possible generalizations, are still not clearly understood or fully exploited. In this paper, we make the distinction between separable and non-separable iterative reweighting algorithms. The vast majority of existing methods are separable, meaning the weighting of a given coefficient at each iteration is only a function of that individual coefficient from the previous iteration (as opposed to dependency on all coefficients). We examine two such separable reweighting schemes: an l 2 method from Chartrand and Yin (2008) and an l 1 approach from Cande's (2008), elaborating on convergence results and explicit connections between them. We then explore an interesting non-separable alternative that can be implemented via either l 2 or l 1 reweighting and maintains several desirable properties relevant to sparse recovery despite a highly non-convex underlying cost function. For example, in the context of canonical sparse estimation problems, we prove uniform superiority of this method over the minimum l 1 solution in that, 1) it can never do worse when implemented with reweighted l 1 , and 2) for any dictionary and sparsity profile, there will always exist cases where it does better. These results challenge the prevailing reliance on strictly convex (and separable) penalty functions for finding sparse solutions. We then derive a new non-separable variant with similar properties that exhibits further performance improvements in empirical tests. Finally, we address natural extensions to group sparsity problems and non-negative sparse coding.

Objective Seizures are more frequent in patients with Alzheimer's disease (AD) and can hasten cognitive decline. However, the incidence of subclinical epileptiform activity in AD and its consequences are unknown. Motivated by results from animal studies, we hypothesized higher than expected rates of subclinical epileptiform activity in AD with deleterious effects on cognition. Methods We prospectively enrolled 33 patients (mean age, 62 years) who met criteria for AD, but had no history of seizures, and 19 age‐matched, cognitively normal controls. Subclinical epileptiform activity was assessed, blinded to diagnosis, by overnight long‐term video‐electroencephalography (EEG) and a 1‐hour resting magnetoencephalography exam with simultaneous EEG. Patients also had comprehensive clinical and cognitive evaluations, assessed longitudinally over an average period of 3.3 years. Results Subclinical epileptiform activity was detected in 42.4% of AD patients and 10.5% of controls ( p = 0.02). At the time of monitoring, AD patients with epileptiform activity did not differ clinically from those without such activity. However, patients with subclinical epileptiform activity showed faster declines in global cognition, determined by the Mini–Mental State Examination (3.9 points/year in patients with epileptiform activity vs 1.6 points/year in patients without; p = 0.006), and in executive function ( p = 0.01). Interpretation Extended monitoring detects subclinical epileptiform activity in a substantial proportion of patients with AD. Patients with this indicator of network hyperexcitability are at risk for accelerated cognitive decline and might benefit from antiepileptic therapies. These data call for more sensitive and comprehensive neurophysiological assessments in AD patient evaluations and impending clinical trials. Ann Neurol 2016;80:858–870

REVIEW article Front. Hum. Neurosci., 25 October 2011Sec. Motor Neuroscience https://doi.org/10.3389/fnhum.2011.00082

Summary Gliomas synaptically integrate into neural circuits. Prior work has demonstrated bidirectional interactions between neurons and glioma cells, with neuronal activity driving glioma growth and gliomas increasing neuronal excitability. In this study we wanted to know how glioma induced neuronal changes influence neural circuits underlying cognition and whether these interactions influence patient survival. We use intracranial brain recordings during lexical retrieval language tasks in awake humans in addition to site specific tumor tissue biopsies and cell biology experiments. We find that gliomas remodel functional neural circuitry such that task-relevant neural responses activate tumor-infiltrated cortex, beyond cortical excitation normally recruited in the healthy brain. Site-directed biopsies from functionally connected regions within the tumor are enriched for a glioblastoma subpopulation that exhibits a distinct synaptogenic and neuronotrophic phenotype. Tumor cells from functionally connected regions secrete the synaptogenic factor thrombospondin-1, which contributes to the differential neuron-glioma interactions observed in functionally connected tumor regions compared to tumor regions with less functional connectivity. The degree of functional connectivity between glioblastoma and the normal brain negatively impacts both patient survival and language task performance. These data demonstrate that high-grade gliomas functionally remodel neural circuits in the human brain, which both promotes tumor proliferation and impairs cognition.

Abstract The amplitude envelope of speech is crucial for accurate comprehension. Considered a key stage in speech processing, the phase of neural activity in the theta-delta bands (1 - 10 Hz) tracks the phase of the speech amplitude envelope during listening. However, the mechanisms underlying this envelope representation have been heavily debated. A dominant model posits that envelope tracking reflects entrainment of endogenous low-frequency oscillations to the speech envelope. Alternatively, envelope tracking reflects a series of evoked responses to acoustic landmarks within the envelope. It has proven challenging to distinguish these two mechanisms. To address this, we recorded magnetoencephalography while participants listened to natural speech, and compared the neural phase patterns to the predictions of two computational models: An oscillatory entrainment model and a model of evoked responses to peaks in the rate of envelope change. Critically, we also presented speech at slowed rates, where the spectrotemporal predictions of the two models diverge. Our analyses revealed transient theta phase-locking in regular speech, as predicted by both models. However, for slow speech we found transient theta and delta phase-locking, a pattern that was fully compatible with the evoked response model but could not be explained by the oscillatory entrainment model. Furthermore, encoding of acoustic edge magnitudes was invariant to contextual speech rate, demonstrating speech rate normalization of acoustic edge representations. Taken together, our results suggest that neural phase locking to the speech envelope is more likely to reflect discrete representation of transient information rather than oscillatory entrainment.