通过头皮脑电图 (EEG) 进行公开演讲的连续和离散解码
Alexander Craik1,2, Heather Dial3,2, Jose L Contreras-Vidal1,2
1Department of Electrical and Computer Engineering, University of Houston, Houston, TX, United States of America.
Journal of neural engineering
|October 30, 2024
概括
这项研究表明,脑电图 (EEG) 可以解码脑电脑接口 (BCI) 的语音特征. 这为患有神经语言障碍的人提供了更自然的沟通方法.
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
- 机器学习 机器学习
背景情况:
- 神经系统疾病显著损害语音的产生,影响数以百万计的人,并降低生活质量.
- 现有的语音接口 (例如,眼球追踪,P300拼写器) 对于受影响的个体来说通常是缓慢和不自然的.
- 语音脑计算机接口 (BCI) 通过直接解码语音特征提供了一个有希望的替代方案.
研究的目的:
- 研究使用非侵入性脑电图 (EEG) 解码语音特征的可行性.
- 探索深度学习模型对EEG信号的实时语音解码的应用.
- 评估参与者独立的解码性能,并确定语音生产的关键神经相关物.
主要方法:
- 在9名神经完整的参与者身上使用63通道EEG系统大声朗读.
- 利用了针对最小参数和小输入窗口优化的深度学习模型 (CNN,RNN与注意).
- 执行离散和连续语音解码,频率子频段分析和干扰分析用于通道识别.
主要成果:
- 实现了来自EEG的离散和连续语音特征的统计学上显著的参与者独立解码.
- 确定了关键频段 (delta,theta,gamma) 和在通道中分布的神经表征.
- 通过使用Leave-One-Out培训证明了常见语音神经相关的可行性,减少了数据需求.
结论:
- 基于EEG的语音解码对于离散和连续的语音特征都是可行的,即使使用EMG文物.
- 优化的深度学习模型和分析技术推动了EEG支持语音合成的发展.
- 这项研究为开发实际的基于EEG的语音BCI提供了坚实的基础.
