使用神经信号检测语音和手写的机器学习方法:一篇评论

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 计算机科学 计算机科学

背景情况:

• 大脑-计算机接口 (BCI) 为严重运动和沟通障碍的人提供了变革的潜力.
• 对语音和手写的神经信号解码的进步可以创建可访问的通信平台.
• BCI正在扩展到医疗应用之外,进入认知训练,游戏和AR / VR.

研究的目的:

• 系统地审查和分析关于基于神经信号的手写和语音识别的现有研究.
• 为该领域的新研究人员提供方法,数据集和预处理技术的全面概述.
• 巩固对从神经数据中生成文本的侵入性和非侵入性BCI方法的知识.

主要方法:

• 目前对侵入性和非侵入性BCI研究的研究分类.
• 对专注于将基于语音和手写活动的神经信号转化为文本的论文的审查.
• 讨论从大脑中提取数据的方法和分析已发表的数据集 (2014-2022).

主要成果:

• 确定了基于神经信号的识别的两个主要类别:侵入性和非侵入性.
• 详细介绍了用于提取和处理语音和手写解码的神经数据的方法.
• 总结了最近文献中使用的关键数据集,预处理步骤和机器学习技术.

结论:

• 基于神经信号的识别对提高残疾人的沟通有很大的希望.
• 对当前的方法的全面了解对于推进BCI技术至关重要.
• 本综述是研究人员探索机器学习应用在神经信号处理用于通信的基础资源.