Thesis:

Validación de modelos neurocomputacionales del control motor de la voz humana usando electroencefalografía y algoritmos bioinspirados

El modelo neurocomputacional Directions into Velocities of Articulators (DIVA) fue desarrollado para abordar diversos aspectos de la producción y adquisición del habla normal y con trastornos. Los sustratos neurales de DIVA fueron establecidos mediante resonancia magnética funcional (fMRI), lo que proporcionó una validación fisiológica del modelo. Este estudio presenta EEG DIVA, una extensión de DIVA que utiliza electroencefalografía (EEG) para aprovechar la alta resolución temporal y la amplia disponibilidad del EEG en comparación con fMRI. Para el desarrollo de EEG DIVA, se derivaron señales similares al EEG a partir de las ecuaciones originales que describen la actividad de los diferentes mapas de DIVA, y se generó un EEG sintético asociado con la emisión de sílabas cuando se simuló un feedback auditivo sin perturbaciones y con perturbaciones del feedback auditivo (perturbaciones del primer formante). Los mapas de activación cortical derivados del EEG sintético se asemejaron estrechamente a los del modelo DIVA original. Para validar EEG DIVA, se adquirió el EEG de individuos con voces típicas (N = 30) durante un paradigma de feedback auditivo alterado, y los mapas de actividad cerebral empírica resultantes se superpusieron significativamente con los predichos por EEG DIVA. El enfoque de validación también se empleó para el modelo LaDIVA, el cual incluye información de la componente laríngea. Asimismo, se validó preliminarmente el toolbox desarrollado que integra, en una interfaz amigable, un método de solución inversa llamado Bayesian Model Averaging. Estos avances sientan las bases para un marco completo de neuroinformática que puede guiar intervenciones personalizadas para tratar trastornos del habla y la voz, y en conjunto con otras extensiones recientes del modelo, EEG DIVA y EEG LaDIVA sientan las bases para construir un marco neurocomputacional completo para abordar los trastornos vocales y del habla, lo que puede guiar intervenciones personalizadas basadas en modelos.

The Directions into Velocities of Articulators (DIVA) neurocomputational model was developed to address various aspects of normal and disordered speech production and acquisition. DIVA's neural substrates were established using functional magnetic resonance imaging (fMRI), providing physiological validation of the model. This study presents EEG DIVA, an extension of DIVA that uses electroencephalography (EEG) to take advantage of EEG's high temporal resolution and wide availability compared to fMRI. For the development of EEG DIVA, EEG-like signals were derived from the original equations describing the activity of different DIVA maps, and a synthetic EEG associated with syllable production was generated when auditory feedback was simulated without perturbations and with perturbations (first formant perturbations). The cortical activation maps derived from the synthetic EEG closely resembled those of the original DIVA model. To validate EEG DIVA, EEG data were acquired from individuals with typical voices (N = 30) under an altered auditory feedback paradigm, and the resulting empirical brain activity maps significantly overlapped with those predicted by EEG DIVA. The same validation approach was also used for the LaDIVA model, which includes information from the laryngeal component. Additionally, the developed toolbox, which integrates a Bayesian Model Averaging inverse solution method into a user-friendly interface, was preliminarily validated. These advances lay the foundation for a comprehensive neuroinformatics framework that can guide personalized interventions for speech and voice disorders. Together with other recent extensions of the model, EEG DIVA and EEG LaDIVA provide the basis for building a complete neurocomputational framework for addressing vocal and speech disorders, which can guide personalized, model-based interventions.