基于磁脑图 (MEG) 的非侵入性中文语音解码
Zhihong Jia1, Hongbin Wang1, Yuanzhong Shen2
1Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan 430074, People's Republic of China.
Journal of neural engineering
|November 12, 2025
概括
这项研究引入了一种新的文本磁脑学 (MEG) 数据集和一个多模态辅助语音解码 (MASD) 算法,用于非侵入性的中国脑计算机接口 (BCI). 这些发现显示了它在从大脑信号解码语音方面的有效性.
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
- 计算语言学 计算语言学
背景情况:
- 大脑-计算机接口 (BCI) 为患有失言症的人提供了沟通替代方案.
- 语音BCI是一个新兴的范式,但对中文语言的研究有限.
- 像磁脑电图 (MEG) 这样的非侵入性方法对于更广泛的BCI应用至关重要.
研究的目的:
- 为非侵入性中国语音BCI开发一个文本-MEG数据集.
- 为提高准确性提出一个多模式辅助语音解码 (MASD) 算法.
- 解决在语音BCI领域中中国语言研究的差距.
主要方法:
- 创建一个新的文本磁脑学 (MEG) 数据集,专门用于中国语音.
- 开发和实施一个多模式辅助语音解码 (MASD) 算法.
- 利用来自大脑信号的文字和声学信息来解码语音.
主要成果:
- 开发的文本-MEG数据集证明了对中国语音BCI研究的有效性.
- 拟议的MASD算法在解码语音方面表现出显著的有效性.
- 实验结果验证了数据集和算法的实用性.
结论:
- 本文介绍了对非侵入性中国语音BCI的多模式辅助解码的第一项研究.
- 开发的数据集和MASD算法是推动中国语音BCI技术发展的宝贵资源.
- 这项研究为改善中文语言口音障碍患者的沟通工具铺平了道路.
更多相关视频
08:08Comparing the Frequency Effect Between the Lexical Decision and Naming Tasks in Chinese
Published on: April 1, 2016
9.7K
11:25Simultaneous Scalp Electroencephalography EEG, Electromyography EMG, and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding
Published on: July 26, 2013
44.0K