arXiv eess.SP（Signal Processing）·· 8 小时前AI 评分45
固定架构与协议下跨三个语料库的 EEG 内心言语解码
Inner-Speech Decoding from EEG Across Three Corpora Under a Fixed Architecture and Protocol
AI 导读
一项跨数据集研究用统一预处理流程、受试者内五折交叉验证和约 131,000 参数的紧凑双注意力 Transformer（VC-DATNet），在 Thinking Out Loud（10 名受试者）、BISpeech（4 名）和 SyncSpeech（3 名）三个公开 EEG 语料库上做内心言语解码。
AI 要点
团队
第一作者 Md Wahiduzzaman Suva，末位作者 Debajyoti Karmaker，共 8 位作者
主要结果
VC-DATNet 在 Thinking Out Loud 四分类任务上达到 39.48%，在 BISpeech 八词任务上达到 20.60%，在 SyncSpeech 八词任务上达到 25.53%；作者称这是 SyncSpeech 的首个解码结果
解决什么问题
针对数据集和评估协议各异导致跨研究难以比较的问题，用统一流程和协议做跨数据集受控对比
方法
三个公开语料：Thinking Out Loud（10 人）、BISpeech（4 人）、SyncSpeech（3 人）；统一预处理、被试内五折交叉验证，用约 13.1 万参数的双注意力 Transformer
局限
从研究设计看，三个语料样本量小（3–10 人），准确率仍偏低；作者认为性能受信号质量与数据规模限制，而非模型容量
AI 依据原文整理，未经人工核对。
来源：arXiv eess.SP（Signal Processing） · arxiv.org