从非侵入性神经(MEG)信号解码想象和口语短语



研究背景:

脑损伤或晚期神经退行性疾病,如肌萎缩性侧索硬化症(ALS)导致一种称为锁定综合征的状态,患者在认知上完好无损,但在运动上“锁定”。 沟通帮助对于这些患者恢复有意义的生活至关重要。但是由于包括发音器,手指和眼睛在内的整个身体都处于瘫痪状态,因此直接利用大脑活动进行的旁路可能是重建其交流的唯一选择。当前的脑机接口(BCI)使用患者的视觉和注意相关性来建立交流,导致交流速度变慢(每分钟几个字)。从神经信号直接解码想象的语音(然后驱动语音合成器)可能会提高通信速率。

研究方法:

研究使用脑磁图(MEG)来记录与语音想象和产生相对应的神经磁信号。磁脑电图(MEG)是一种非侵入性的全头神经影像学方法,它使用高度灵敏的磁力计和坡度计记录与大脑中细胞内突触后神经元电流相关的磁场。尽管当前的MEG机器不可携带且价格昂贵,但最近对可穿戴式MEG的研究显示了构建下一代便携式MEG设备的潜力。

研究调查了从八名成人受试者收集的单次MEG信号中五个想象及口头短语的解码情况。使用了两种机器学习算法。一种是具有统计特征的人工神经网络(ANN)作为基线方法。另一个是在从MEG信号中提取的空间,频谱和时间特征上应用的卷积神经网络(CNN)。

 

图1

研究结论:

研究证明了使用人工神经网络(ANN)和卷积神经网络(CNN)直接从非侵入性神经(MEG)信号解码想象和口头短语的可能性。研究观察到,在语音产生阶段,语音解码的准确性比其他阶段更高。即使在语音准备(想象)阶段,准确性也很高,想象中的平均解码准确率高达93%,口语短语的平均解码准确率高达96%。

参考文献:

Dash, D., Ferrari, P., & Wang, J. (2020). Decoding Imagined and Spoken Phrases From Non-invasive Neural (MEG) Signals. Front Neurosci, 14, 290. doi:10.3389/fnins.2020.00290