Detecting age-related changes in brain activity during picture naming using machine learning
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2025-02-22
Department
Major/Subject
Complex Systems
Mcode
Degree programme
Master's Programme in Life Science Technologies
Language
en
Pages
76
Series
Abstract
Language production becomes more challenging with age, weakening the communication skills of the elderly. The age-related behavioral changes have been mainly linked to phonological and phonetic processing, while lexical-semantic processing is thought to be relatively well preserved with age. Picture naming is a widely used task in studying language production since it includes all the core processing stages of word production. Although the effects of aging on behavioral performance have been well studied, the neural basis for the age-related changes in language production remains largely unknown. In this thesis, magnetoencephalography (MEG) was combined with machine learning to identify age-related changes in the neural dynamics of word production. MEG data, recorded from 25 young and 25 old healthy adults during a picture-naming task, were analyzed using a temporal decoding method in which logistic regression was applied to MEG data segments separately at each time point. Furthermore, the model weights were projected into source space to visualize the decoding patterns as brain activations. Subjects' age group was significantly decodable from averaged evoked responses, with the classifier reaching an accuracy of 0.89 around 225 ms after image presentation and the peak accuracy occurring within a time window linked to lexical-semantic processing. Additionally, certain stimulus attributes associated with visual and conceptual features were decodable from the MEG data; however, no significant age-related differences related to these decoding tasks were found. These findings indicate that the most pronounced age-related neural differences in word production could occur during lexical-semantic processing, challenging the conclusions of earlier behavioral and neuroimaging studies that have suggested that aging primarily affects phonological rather than lexical-semantic processing.Puheen tuottaminen muuttuu iän myötä haastavammaksi, mikä heikentää ikääntyneiden kommunikointikykyä. Ikääntymiseen liittyvät suorituskyvylliset muutokset on pääasiassa yhdistetty fonologiseen ja foneettiseen prosessointiin, kun taas leksikaalis-semanttisen prosessoinnin ajatellaan säilyvän suhteellisen hyvin vanhetessa. Kuvannimeäminen on yleisesti käytetty tehtävä puheen tuottamisen tutkimuksissa, koska se sisältää kaikki sanantuoton keskeiset prosessointivaiheet. Vaikka ikääntymisen vaikutuksista suorituskykyyn on paljon tutkimuksia, hermostollinen perusta iän tuomille muutoksille puheen tuottamisessa on laajalti tuntematon. Tässä diplomityössä käytettiin magnetoenkefalografian (MEG) ja koneoppimisen yhdistelmää tunnistamaan ikääntymiseen liittyviä muutoksia sanan tuottamiseen kytkeytyvässä aivodynamiikassa. 25 nuorelta ja 25 vanhalta terveeltä aikuiselta kuvannimeämistehtävän aikana mitattua MEG-dataa analysoitiin ajallisen dekoodauksen menetelmällä, jossa logistista regressiota käytettiin MEG-datalohkoihin erikseen jokaisessa aikapisteessä. Lisäksi mallin parametrit projisoitiin lähdeavaruuteen, jotta dekoodauskuviot voitaisiin havainnollistaa aivoaktivaationa. Koehenkilön ikäryhmä oli merkittävästi ennustettavissa keskiarvoistetuista herätevasteista, ja luokittelija saavutti 0,89:n tarkkuuden noin 225 millisekuntia kuvan esittämisen jälkeen, huipputarkkuuden sijoittuessa leksikaalis-semanttiseen prosessointiin liitettyyn aikaikkunaan. Lisäksi MEG-datasta voitiin ennustaa tiettyjä ärsykkeiden visuaalisia ja konseptuaalisia ominaisuuksia. Näihin prosesseihin liittyviä merkittäviä iän tuomia hermostollisia eroja ei kuitenkaan havaittu. Tulokset viittaavat siihen, että ilmeisimmät ikään liittyvät hermostolliset eroavaisuudet sanantuotossa voisivat esiintyä leksikaalis-semanttisen prosessoinnin aikana. Tämä haastaa aiempien käyttäytymis- ja aivokuvantamistutkimusten johtopäätökset, joiden mukaan ikääntyminen vaikuttaisi pääasiassa fonologiseen eikä leksikaalis-semanttiseen prosessointiin.Description
Supervisor
Parkkonen, LauriThesis advisor
Liljeström, MiaKeywords
aging, picture naming, word production, MEG, machine learning, temporal decoding