基于EEG的想象式语音识别,使用CSP-TP功能融合来增强BCI通信
Haresh M V1, Kannadasan K1, Shameedha Begum B1
1Department of Computer Science and Engineering, National Institute of Technology Tiruchirappalli, Tamilnadu, 620015, India.
Behavioural brain research
|June 7, 2025
概括
本研究介绍了一种基于电脑电图 (EEG) 的模型,用于自动成像语音识别 (AISR). 新的共同空间模式 (CSP) 和时间模式 (TP) 融合方法显著改善了严重脑障碍患者的沟通.
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
- 计算机科学 计算机科学
背景情况:
- 大脑-计算机接口 (BCI) 为严重脑障碍的人提供通信解决方案.
- 想象语音 (IS) 是一个有前途的BCI控制范式,用于直观交互.
- 基于电脑电图 (EEG) 的非侵入性系统对于广泛采用BCI至关重要.
研究的目的:
- 开发和评估基于EEG的非侵入性自动化想象语音识别 (AISR) 模型.
- 增强严重言语和运动障碍患者的沟通能力.
- 通过先进的特征提取,提高BCI控制的准确性和直观性.
主要方法:
- 使用常见的空间模式 (CSP) 和时间模式 (TP) 来进行EEG特征提取.
- 实施了结合CSP和TP的特征融合技术,以捕捉时空动态.
- 使用机器学习分类器 (LDA,RF,SVM,LR) 对十个想象中的单词进行对对和多类分类.
- 收集了15名从事进行想象式语音任务的EEG数据.
主要成果:
- 在CSP-TP特征融合方法实现了高分类准确度.
- 平均准确率为83.83%±5.94对对,为64.58%±10.43对多类分类.
- 最大精度达到了97.78% (对式) 和79.22% (多类),超过了现有的方法.
结论:
- 使用CSP和TP融合的基于EEG的AISR显示了BCI辅助技术的巨大潜力.
- 这种方法为严重限制的人提供了更自然和直观的沟通方法.
- 这些发现支持开发先进的BCI系统,以增强用户交互.
