論文の概要: An ERP Study of Recursive Possessive Parsing in ASD Children and Its Cognitive Neuro Mechanisms

• arxiv url: http://arxiv.org/abs/2605.03447v1
• Date: Tue, 05 May 2026 07:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.819339
• Title: An ERP Study of Recursive Possessive Parsing in ASD Children and Its Cognitive Neuro Mechanisms
• Title（参考訳）: ASD小児における再帰性パーシングのERPによる検討とその認知神経機構
• Authors: Fu Chenxi, Wang Xiaoyi, Zhuang Ziman, Yang Caimei,
• Abstract要約: 再帰的構造は人間の言語の中核的な性質であるが、自閉症スペクトラム障害(ASD)の子供がどのように複雑な再帰を処理するかについてはほとんど知られていない。 マンダリン話者のASD児における2段階再帰的所有構造のオンライン処理について検討した。 その結果, ASD児のP200振幅は有意に低下し, 典型的な後発文法効果は認められなかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recursive structures are a core property of human language, yet little is known about how children with autism spectrum disorder (ASD) process complex recursion. This ERP study investigated the online processing of two-level recursive possessive structures in Mandarin-speaking children with ASD (n = 12) compared to typically developing (TD) peers (n = 12) using a sentence-picture matching paradigm. ERPs were analyzed for P200 (150-250 ms), N400 (300-500 ms), and P600 (500-1000 ms). Results showed that ASD children exhibited significantly reduced P200 amplitudes and failed to show the typical posterior grammaticality effect, indicating atypical early perceptual processing. No robust N400 violation effect was observed in either group, confirming the mismatch was not a semantic anomaly; however, ASD children showed a reversed anterior effect and an attenuated posterior effect. For the P600, ASD children had significantly reduced amplitudes, no posterior grammaticality effect, and a trend toward delayed latency, reflecting a core deficit in syntactic reanalysis. These findings demonstrate that while lexical-semantic processing is relatively preserved in ASD, the online syntactic computation required for recursion is severely impaired, supporting modular dissociation accounts of language in autism.
• Abstract（参考訳）: 再帰的構造は人間の言語の中核的な性質であるが、自閉症スペクトラム障害(ASD)の子供がどのように複雑な再帰を処理するかについてはほとんど知られていない。 本研究は, マンダリン話者(n=12)における2段階再帰的所有構造のオンライン処理について, 文画像マッチングパラダイムを用いて, 典型的に発達している(TD)ピア(n=12)と比較して検討した。 ERPはP200(150-250ms)、N400(300-500ms)、P600(500-1000ms)で分析された。 その結果, ASD児はP200振幅を有意に低下させ, 典型的な後発文法効果を示さず, 非典型的早期知覚処理を呈していた。 いずれの群でも強いN400違反効果は認められなかったが,ALD児は逆の前方効果と減衰した後方効果を示した。 P600では, ASD 児の振幅は有意に低下し, 文法効果は認められず, 遅延傾向がみられた。 これらの結果から,レキシカル・セマンティック処理はASDで比較的保存されているが,再帰に要するオンライン構文計算は困難であり,自閉症の言語におけるモジュール的解離アカウントをサポートすることが示唆された。

関連論文リスト

• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning [50.68188138112555]
  大規模言語モデルが自然に相乗的コアを開発することを示す。 中層の領域は相乗的処理を示し, 初期層と後期層は冗長性に依存していることがわかった。 この収束は、シナジスティック情報処理が知性の基本的な性質であることを示している。
  論文  参考訳（メタデータ） (2026-01-11T10:48:35Z)
• Enhancing Autism Spectrum Disorder Early Detection with the Parent-Child Dyads Block-Play Protocol and an Attention-enhanced GCN-xLSTM Hybrid Deep Learning Framework [6.785167067600156]
  本研究は,ASDと発達幼児を区別する行動パターンを識別するための,親子ダイズブロックプレイ(PCB)プロトコルを提案する。 40人のASDと89人のTD幼児が親とのブロックプレイに従事している。 このデータセットは、参加者の規模と個々のセッションの長さの両方に関する以前の取り組みを上回る。
  論文  参考訳（メタデータ） (2024-08-29T21:53:01Z)
• Investigating Critical Period Effects in Language Acquisition through Neural Language Models [70.6367059367609]
  第二言語 (L2) の習得は幼少期以降難しくなる。 この期間以降、第1言語(L1)への露出を緩和することは、通常、L1の習熟度を著しく低下させることはない。 これらのCP効果が自然に決定された脳の成熟によるものなのか、または経験によって自然に誘発される神経接続の安定化であるのかは不明である。
  論文  参考訳（メタデータ） (2024-07-27T19:17:10Z)
• Video-Based Autism Detection with Deep Learning [0.0]
  感覚刺激に反応する子供の映像クリップを解析する深層学習モデルを開発した。 以上の結果から,本モデルは子どもの運動における重要な違いを効果的に一般化し,理解していることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-26T17:45:00Z)
• Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm [0.0]
  本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。 このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。 モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
  論文  参考訳（メタデータ） (2023-11-25T15:23:46Z)
• Autism Spectrum Disorder Classification with Interpretability in Children based on Structural MRI Features Extracted using Contrastive Variational Autoencoder [9.176360748848357]
  自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、患者に社会的相互作用能力の重大な障害をもたらす精神疾患である。 本研究では,0.92歳から4.83歳までの小児におけるASD分類のための機械学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T12:46:19Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Action-based Early Autism Diagnosis Using Contrastive Feature Learning [2.922007656878633]
  自閉症スペクトラム障害(Autism Spectrum disorder, ASD)は、神経疾患である。 その主な症状は、(言語および/または非言語)コミュニケーションの困難さ、硬直的/反復的な行動である。 本稿では,簡単なアクションビデオクリップを用いて,自閉症の診断を自動化するための学習的アプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-12T16:31:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。