重新审视再学习在语义性痴呆中的作用

语义性痴呆（SD）患者表现出前颞叶神经元显著一致的萎缩以及行为障碍，如分级性的类别知识丧失。虽然在急性脑损伤（如中风）中已观察到丢失知识的再学习，但在慢性认知疾病如SD中尚未得到广泛支持。先前的研究表明深度线性人工神经网络表现出与人类相似的语义学习阶段。这里，我们使用深度线性网络来检验假设：在疾病进展过程中，再学习而非特定的萎缩导致了SD特有的行为模式。在训练网络生成各类层次化对象的共同语义特征后，神经元被依次删除以模拟萎缩，同时对模型进行再训练。具有再学习和删除神经元的模型再现了SD特有的错误，包括原型化错误和跨类别混淆。这表明，在缺乏输出非线性的情况下，再学习对于人工神经网络再现SD的行为模式是必要的。我们的结果支持一种SD进展理论，即由持续再学习丢失信息所驱动。未来研究应重新审视再学习作为认知疾病促成因素的作用。