Journal of Neural Engineering（Crossref）·2026-10-20 20:48· 4 天前精选AI 评分55

研究用可解释 AI 区分 EEG 语音解码中的神经贡献与肌电伪迹

Delineating neural contributions to electroencephalogram-based speech decoding

AI 导读

一项发表于 Journal of Neural Engineering 的研究用可解释 AI 方法分析基于超高密度 EEG 的卷积神经网络语音解码，试图区分神经活动与发音时产生的肌电伪迹。

AI 要点

团队

论文发表于 Journal of Neural Engineering，作者团队信息原文未提及。

主要结果

电极对解码的贡献无法用其与 EMG 的互信息解释；EEG 解码的贡献时段与仅靠 EMG 解码不同；无论出声还是默读，贡献信号时序显著重叠。

解决什么问题

区分 EEG 语音解码中的神经活动与发音时的肌电伪迹，并检验出声与默读语音是否共享神经动态。

方法

用可解释 AI 技术分析基于超高密度 EEG（uhd-EEG）预测说出词语的卷积神经网络；受试者数量原文未提及。

局限

从研究设计看，为基于 uhd-EEG 与可解释 AI 的分析性研究，原文未报告受试者规模与对照设置。

AI 依据原文整理，未经人工核对。

AI 推荐理由

摘要用可解释 AI 拆开 EEG 语音解码中神经信号与肌电伪迹的贡献，为判断非侵入式语音脑机接口的信号来源提供方法参照。