基于时间注意力机制的EEG信号的预期语音分类:对普通话元音的研究

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
• 语音科学 语言科学

背景情况:

• 语音大脑机器接口 (BCI) 对有语音障碍的人来说至关重要.
• 了解语言产生的大脑机制对于BCI发展至关重要.
• 电脑电图 (EEG) 信号提供了一个非侵入性的窗口,可以在预期的语音中观察神经活动.

研究的目的:

• 为了对四个中文元音进行预期语音EEG信号的分类.
• 为了评估一个新的基于时间注意力的EEG神经网络 (TA-EEGNet) 模型.
• 调查普通话母音产生的神经相关物,并确定关键的大脑区域.

主要方法:

• 从10名参与者收集了EEG数据,他们打算说四个中国元音.
• 开发并应用了一种TA-EEGNet模型,用于信号分类的时间注意模块.
• 分析了不同大脑区域和半球的分类性能.

主要成果:

• 该TA-EEGNet模型在分类预期的语音EEG信号方面实现了49.47%的准确性,优于其他模型.
• 单音的二进制分类达到69.83%的平均准确率.
• 听觉皮层,布罗卡,韦尼克,前额叶和运动皮层显示出显著的贡献,观察到左半球的主导地位.

结论:

• 这项研究表明了基于EEG的BCI在通信恢复方面的潜力.
• 特定的大脑区域被认为对普通话母音产生至关重要.
• 在对具有相似发音特征的元音进行分类方面仍然存在挑战,需要进一步研究.