基于EEG-EMG传感器的无线口腔运动识别系统用于严重的语言障碍

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 信号处理 信号处理

背景情况:

• 严重的语言障碍限制了像这样的疾病患者的沟通.
• 现有的辅助技术往往缺乏直观的控制或是侵入性的.
• 开发非语言通信接口对于恢复自治至关重要.

研究的目的:

• 为了证明无线EEG-EMG可穿戴系统用于检测口腔运动的可行性.
• 开发用于传感器集成和机器学习的信号处理方法.
• 探索脑电波和口腔运动之间的关系,以实现非语言交互.

主要方法:

• 使用了一种新的无线脑电图 (EEG) - 肌电图 (EMG) 可穿戴的方法.
• 开发了用于传感器集成和机器学习的新信号处理技术.
• 实验涉及收集口腔运动和静音音频表达期间的EEG-EMG信号.
• 训练了几次拍摄的神经网络进行语音分类.

主要成果:

• 与口腔运动相关的特征性EEG-EMG混合模式被成功生成.
• 使用拟议方法对口腔运动的分类被发现是有意义的.
• 一个几次拍摄的神经网络从EEG-EMG信号中获得了95%的音符分类准确度.

结论:

• 无线EEG-EMG可穿戴方法可用于检测明显的口腔运动模式.
• 开发的信号处理和机器学习技术显示出对音符识别的前景.
• 这项技术为语言障碍患者开发先进的沟通辅助工具提供了潜在的途径.