基于脑电图 (EEG) 的新型脑连接特征,用于想象语音
Francesco Iacomi1, Matilde Moroni1, Luca Mainardi1
1Politecnico di Milano, Piazza Leonardo da Vinci 32, 20133 Milan, Italy.
Computers in biology and medicine
|February 21, 2026
概括
这项研究开发了一个新的框架来分析在想象语音 (IS) 期间的大脑活动,克服由个体差异引起的大脑与计算机接口 (BCI) 发展的挑战. 我们确定了稳定的神经通路,以获得更可靠的语音BCI签名.
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:
- 开发有效的脑计算机接口 (BCI) 用于想象式语音 (IS) 受到神经模式的显著主体间变异的阻碍.
- 现有的方法难以在个体之间识别一致的神经标记,以可靠的BCI控制.
研究的目的:
- 引入一个新的分析框架,整合IS的功能,有效和复杂的网络分析.
- 确定稳定的神经通路和光谱特征,以改善语音BCI发育.
- 为了应对在想象语音过程中神经模式的高度主体间变异性的挑战.
主要方法:
- 采用一种新的分析框架,结合功能,有效和复杂的网络分析.
- 用一种自然主义的句子级实验协议来完成想象中的语音任务.
- 将先进的信号处理和网络科学技术应用于EEG数据.
主要成果:
- 在不同受试者之间确定了三个主要的稳定神经通路:左半球运动语言网络 (三角波段),右半球网络 (马波段) 和自上而下的视觉空间网络 (平行区域).
- 复杂的网络分析显示,马频段是功能最完整和最强大的光谱特征.
- 与其他频段相比,在马频段的平均连接强度显著更高 (p=0.0015对比beta).
结论:
- 开发的框架成功地确定了可想象语音的稳定神经标记,减轻了主体间的变化.
- 马频段显示出作为高级语音BCI可靠的神经签名的承诺.
- 这项研究提供了更强大的基于EEG的签名,这对于未来开发有效的语音BCI至关重要.
