休息状态EEG辅助虚构的母音音符识别由母语和非母语的人使用大脑连接度的测量

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
• 信号处理 信号处理

背景情况:

• 大脑-计算机接口 (BCI) 为残疾人提供了替代通信.
• 目前的BCI拼写器 (P300,SSVEP,MI) 有一些局限性.
• 想象语音的BCI是直观的,但需要了解主题特定的因素,如语言本土性.

研究的目的:

• 为了研究语言本源性对EEG信号在想象语音期间的影响.
• 探索将静止状态EEG特征与想象的语音EEG特征结合在一起的实用性.
• 为了提高BCI中想象的母音音体识别的准确性.

主要方法:

• 从16名受试者 (9名英语为母语,7名非母语英语) 的EEG信号分析,使用FEIS数据集想象元音音符.
• 从想象和静止状态中提取和统计分析 (MANOVA) 连接测量 (共变率,连贯性,PSI) 的数据.
• 融合策略的应用 (差异,连接,CSP,CCA) 结合休息和想象状态特征.

主要成果:

• 语言的本源性会影响在想象中的言语中EEG信号.
• 休息状态和想象状态EEG连接特征的融合显著改善了母音音体的分类.
• 连接协同变异和PSI特征实现了最高的准确性:92.78%为母语者和94.07%为非母语者.

结论:

• 语言原生性是想象语音BCI表现的关键因素.
• 将静止状态EEG数据与想象语音数据集成,可以提高BCI的准确性.
• 这项研究为开发更有效和个性化的BCI通信系统提供了一个有希望的方法.