Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Brain Waves01:23

Brain Waves

Brain waves are electrical signals generated by the neurons in the brain, which are regularly monitored to measure mental activities. Brain waves and their frequency ranges can be measured using an electroencephalogram or EEG. There are four main types of brain waves, each with distinct characteristics:

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Study on the Effect and Mechanism of the Outer Membrane Vesicles of <i>Porphyromonas gingivalis</i> on the Function and Extracellular Matrix of Mouse Aortic Smooth Muscle Cells.

Microorganisms·2026
Same author

Characterization and Molecular Modification of a Cold-Adapted β-Galactosidase from <i>Flavobacterium algicola</i> for Preparation of Lactose-Free Milk.

Journal of agricultural and food chemistry·2026
Same author

The gut-brain axis in Alzheimer's disease: early detection, microbial metabolites, mechanisms, and therapeutic opportunities.

Frontiers in molecular biosciences·2026
Same author

A mechanosensitive ion channel is required for nematode predation in nematode-trapping fungi.

mBio·2026
Same author

Mechanistic insight into low-temperature alkylation of thiophene with styrene over zeolites MCM-22 and β.

Communications chemistry·2026
Same author

Associations between eating windows and demographics in veterans with spinal cord injury: Results of a single-site study.

The journal of spinal cord medicine·2026
Same journal

AD-DAE: Alzheimer's Disease Progression Modeling with Unpaired Longitudinal MRI using Diffusion Auto-Encoders.

IEEE journal of biomedical and health informatics·2026
Same journal

EEG Connectivity Signatures in Active vs. Passive Mental Fatigue Settings.

IEEE journal of biomedical and health informatics·2026
Same journal

Privacy-Enhanced Vertical Federated Learning for Healthcare via Directional Noise and Subset Representations.

IEEE journal of biomedical and health informatics·2026
Same journal

Multimodal Bidirectional Direct Preference Optimization and Instruction Fine-Tuning for Medical Image Understanding and Generation.

IEEE journal of biomedical and health informatics·2026
Same journal

CT: A Controllable Transformer for Multi-Task TCM Facial Inspection.

IEEE journal of biomedical and health informatics·2026
Same journal

Marfan Syndrome Prediction Via Graph Neural Networks on 3D Facial Cues.

IEEE journal of biomedical and health informatics·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jun 24, 2026

Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping
13:32

Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping

Published on: June 26, 2012

26.7K

Decodificación del Habla Encubierta a partir de EEG mediante un Transformador Espacio-Temporal de Áreas Funcionales

Muyun Jiang, Wei Zhang, Yi Ding

    IEEE journal of biomedical and health informatics
    |January 12, 2026
    PubMed
    Resumen
    Este resumen es generado por máquina.

    Los investigadores decodificaron el habla encubierta a partir de señales de electroencefalograma (EEG) utilizando un novedoso modelo transformador. Este avance ofrece información interpretable sobre las representaciones neuronales del habla imaginada.

    Palabras clave:
    habla encubiertaEEGdecodificación neuronaltransformadoraprendizaje profundointerfaces cerebro-computadorarepresentaciones neuronalesneurociencia cognitiva

    Más Videos Relacionados

    Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
    08:45

    Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

    Published on: October 24, 2012

    15.2K
    Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
    11:28

    Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

    Published on: June 30, 2018

    12.2K

    Videos de Experimentos Relacionados

    Last Updated: Jun 24, 2026

    Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping
    13:32

    Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping

    Published on: June 26, 2012

    26.7K
    Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
    08:45

    Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

    Published on: October 24, 2012

    15.2K
    Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
    11:28

    Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

    Published on: June 30, 2018

    12.2K

    Área de la Ciencia:

    • Neurociencia
    • Ciencia Cognitiva
    • Procesamiento de Señales

    Sus antecedentes:

    • La decodificación del habla encubierta a partir de electroencefalograma (EEG) es difícil debido a la limitada comprensión del mapeo neuronal de la pronunciación y a las bajas relaciones señal-ruido.
    • El habla encubierta, la imaginación de hablar sin sonido audible ni movimiento, presenta desafíos únicos para la decodificación neuronal.

    Objetivo del estudio:

    • Desarrollar un marco eficaz para la decodificación del habla encubierta a partir de señales de EEG.
    • Investigar los mecanismos neuronales subyacentes a la producción del habla encubierta e identificar características neuronales discriminatorias.

    Principales métodos:

    • Se desarrolló un conjunto de datos de EEG de habla multilocución a gran escala a partir de 57 participantes.
    • Se introdujo el marco Functional Areas Spatio-temporal Transformer (FAST) para procesar señales de EEG.
    • Se utilizó la arquitectura transformadora para la codificación de secuencias de datos de EEG.

    Principales resultados:

    • Se identificaron características neuronales del habla distintas e interpretables a través de mapas de activación generados por FAST.
    • Se visualizó la activación neuronal en las regiones cerebrales frontal y temporal durante el habla encubierta.
    • Se demostró la eficacia del marco FAST en la decodificación del habla a partir de EEG.

    Conclusiones:

    • Este estudio proporciona la primera evidencia interpretable para la decodificación del habla a partir de EEG.
    • El marco FAST ofrece nuevas perspectivas sobre las características discriminatorias de las representaciones neuronales del habla encubierta.
    • El conjunto de datos y el marco desarrollados allanan el camino para futuras investigaciones en interfaces cerebro-computadora para el habla.