arXiv（brain-computer interface）·· 2026-09-24AI 评分27
基于 EEG 的想象语音解码：一项严格受试者独立的方法研究
Decoding Imagined Speech: A Strictly Subject-Independent Approach Using EEG
AI 导读
一项基于 EEG 的想象语音解码研究在严格受试者独立评估框架下比较了两种特征提取流程，频谱带功率流程的试次级平均准确率显著高于时域统计特征流程（49.03 ± 4.18% vs. 37.97 ± 3.79%）。研究采用受试者间交叉验证与试次级多数投票，配合随机森林分类器，前向特征选择显示少数频段即可承载大部分判别信息。
AI 要点
团队
第一作者 Frederik Møllskov Trier，末位作者 Sadasivan Puthusserypady，共 3 位作者。
主要结果
频谱管线平均试次准确率 49.03 ± 4.18%，显著高于时域统计管线的 37.97 ± 3.79%（跨被试粗分类）；前向特征选择显示少数频段已含大部分判别信息。
解决什么问题
EEG 想象言语解码的既有性能常依赖不能清晰反映跨被试泛化的评估协议，本研究给出严格被试独立框架下的透明基线。
方法
多类想象言语 EEG 数据集；比较时域统计特征与频域谱带功率两条预处理与特征提取管线，采用被试间交叉验证、试次级多数投票与随机森林分类器。
局限
从研究设计看，为基线研究，粗分类准确率仍接近随机水平，未涉及临床或在线应用验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org