从未标记的ECoG信号中实时检测口语:一项针对ALS患者的试点研究
Miguel Angrick1, Shiyu Luo2, Qinwan Rabbani3
1Department of Neurology, The Johns Hopkins University School of Medicine, Baltimore, MD, USA.
medRxiv : the preprint server for health sciences
|October 7, 2024
概括
这项研究引入了一种新的脑计算机接口 (BCI) 方法,用于使用电皮质谱 (ECoG) 信号解码语音. 它可以在没有先前语音数据的情况下检测语音活动,这对于严重语音丧失的人来说至关重要.
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:
- 脑电脑接口 (BCI) 为因ALS和中风等神经疾病而言语力丧失的个人提供沟通恢复.
- 现有的BCI语音解码方法通常需要时间调整的语音数据进行训练,这对于许多患者来说是不可用的.
研究的目的:
- 开发和评估BCI语音解码方法,不需要预先录制的语音或"地面真相"数据.
- 为了使声音活动检测 (VAD) 仅使用电皮质图 (ECoG) 信号,对于无法产生声学语音的人来说.
主要方法:
- 使用基于图形的集群方法直接从ECoG信号中识别语音段.
- 训练了一个语音活动检测 (VAD) 模型,使用这些ECoG衍生的语音段,没有声学数据.
- 评估了VAD模型对ALS参与者的ECoG数据进行了评估,并将其与需要声学地面真相的方法进行了比较.
主要成果:
- 开发的方法在预测语音活动时实现了大约0.5秒的中位误差率.
- 实时实施表明VAD结果的低延迟时间仅为10ms.
- 仅从未标记的ECoG信号中成功预测了语音活动.
结论:
- 这项研究在语音恢复的BCI技术中取得了重大进展.
- 从未标记的ECoG信号中解码语音的能力是帮助患有锁定综合症和类似疾病的个人迈出的关键一步.
- 这种方法克服了需要基准真实声学数据的挑战,扩大了BCI对非语音患者的应用.
