一种监督的数据驱动的空间过器,用于在内电生理学录音中的语音文物.

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:

• 在清醒的患者中直接记录大脑,为人类言语神经生理学提供了独特的见解.
• 内脑电图 (iEEG) 信号易受语音器件的影响,特别是与基本频率 (F0) 相关的信号.
• 这些文物与高马频率重叠,这对于语音产生和感知至关重要.

研究的目的:

• 开发和验证一种空间过方法,用于从iEEG录音中识别和删除声学诱导的语音文物.
• 提高神经外科患者在公开演讲期间获得的iEEG数据的信号质量.
• 为了保持真实的神经活动,同时有效地消除与语音相关的污染.

主要方法:

• 开发了一种新的空间过技术,以隔离和删除语音文物.
• 该方法侧重于识别和减去声学诱导的信号污染.
• 采用数据驱动的方法来优化文物移除,而不会影响神经信号.

主要成果:

• 开发的空间过方法有效地从iEEG信号中识别和删除语音工件.
• 发现传统的参考方案会降低信号质量.
• 数据驱动的空间过方法成功地拒绝了记录,同时保留了潜在的神经活动.

结论:

• 在iEEG中声学诱导的语音人工物可以通过空间过方法有效地减轻.
• 这种数据驱动的方法提供了一种优越的替代方案,比传统的参考方案在演讲期间拒绝iEEG.
• 该技术提高了iEEG数据的可靠性,用于研究人类语音神经生理学.