使用多受体CNN进行想象语音检测,用于异步BCI通信和神经康复

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) 为语言和运动障碍的人提供直观的沟通.
• 当前的BCI需要精确检测想象中的语音发作以激活,这是一个挑战,因为在连续的EEG信号中缺乏可靠的基准真相.
• 现有的语音助理系统使用唤醒词检测,但BCI需要捕获内源信号进行控制.

研究的目的:

• 开发一种可靠的方法来检测异步BCI系统的EEG信号的想象语音发作.
• 为了提高脑开关激活在BCI语音康复的准确性和可靠性.
• 研究神经振荡和声学特征对语音状态歧视的影响.

主要方法:

• 一个多受体场卷积神经网络被设计用于识别使用行为一致的EEG特征的语音和置状态.
• 提出了一种基于语音的基准真相对齐方法与投票策略,以同步想象中的言论与公开的言论事件.
• 进行了光谱分析 (β和α波段) 和语音分析 (音节数).

主要成果:

• 拟议的方法有效地捕获来自EEG信号的语音和置状态.
• 基于语音的对齐策略成功地同步了想象和公开的语音发作.
• 发现贝塔和阿尔法频段活动,以及音节数量,显著影响了语音状态的可辨性.
• 伪在线实验证明了该方法在增强异步BCI系统方面的潜力.

结论:

• 开发的多感应场CNN和基于语音的对齐方法显示了改善异步BCI系统的前景.
• 这种方法可以增强健康个体和语言障碍者实时通信能力.
• 这些发现有助于推进使用脑-计算机接口的语音康复技术.