.png){kind=icon}
返回
Inner Speech Decoding: A Comprehensive Review
.png){kind=icon}
PRE
AI
DOI：10.1002/wcs.70016.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
内隐言语解码是指从神经信号中识别出无声生成的言语的过程。近年来，作为支持严重受损人群交流的潜在方式，这项候选技术已获得发展势头。具体而言，这种方法为需要替代性言语表达方式的各种身体或神经残疾患者带来了希望。本综述涵盖了从无创EEG到高密度脑皮层电图（ECoG）的记录模态，并讨论了线性判别分析、深度卷积网络以及EEG与fMRI混合融合如何整合到机器学习策略中以推断内隐言语。本综述综合证据表明，在受控条件下，小词汇量可以获得相对合理的准确率，同时通过基于上下文的方法进一步优化解码结果。通过聚焦于想象或发声言语的公开数据集，阐述了传感器质量、训练数据规模和领域适应的影响。全文将讨论各实验室涌现的方法学标准，强调有效的内隐言语识别涉及高质量预处理、受试者校准，以及权衡计算能力与可解释性的明智建模选择。除技术进步外，本综述还审视了围绕内隐言语解码的伦理、社会和监管挑战，包括脑数据隐私、神经权利、知情同意和用户信任。解决这些跨学科问题对于此类技术的负责任发展和实际应用至关重要。
Keyword:
brain–computer interface (BCI)
EEG–fMRI fusion
inner speech recognition
silent speech interfaces
期刊
W
IF:
2.4
论文数:
19
被引数:
0
机构
引用论文
Leveraging Motor Imagery Rehabilitation for Individuals with Disabilities: A Review.png)
Healthcare
OAAI
HealthcareIF0
OAAI分享收藏Inner Speech: Development, Cognitive Functions, Phenomenology, and Neurobiology内在言语: 发展，认知功能，现象学和神经生物学PSYCHOLOGICAL BULLETIN
OAAI
PSYCHOLOGICAL BULLETINIF19.8
OAAI分享收藏Real-time decoding of question-and-answer speech dialogue using human cortical activityNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容