Europe PMC（brain-computer interface · PubMed）· Alba Diaz PA, Kwon J, Berstis K, Weed M, Ferrari P, Wang J.·2026-09-23 08:00· 2026-09-23精选AI 评分56

研究用前向选择算法筛选 MEG 语音解码的最优传感器子集

Optimal sensor set for MEG-based spontaneous and intended speech decoding toward practical communication.

AI 导读

一项 MEG 研究用前向选择算法寻找自发与意图言语解码的最优传感器子集，发现平均仅需 7-8 个传感器、最多不超过 24 个，即可达到与全头皮 200 多个传感器相当的解码性能。

AI 要点

团队

作者为 Alba Diaz PA、Kwon J、Berstis K、Weed M、Ferrari P、Wang J.，原文未给出所属机构。

主要结果

平均仅需 7–8 个传感器（最多不到 24 个）即可达到与全头皮 200 多个传感器相当的解码性能；Lower High-Gamma（62–125 Hz）频段在某些设置下表现最好。

解决什么问题

可穿戴 MEG 语音脑机接口需要多少传感器、放在哪里、采样频率多高，此前尚不明确。

方法

用前向选择算法筛选传感器子集，对自发与意图性言语及出声言语解码，比较不同频段，分类器为支持向量机与随机森林。

局限

从研究设计看，为算法筛选与性能评估研究，未涉及可穿戴 MEG 硬件的实际验证；Lower High-Gamma 的优势并非在所有设置下都具统计显著性。

AI 依据原文整理，未经人工核对。

AI 推荐理由

研究用前向选择算法筛选 MEG 传感器子集，给出可穿戴 MEG 语音脑机接口在传感器数量与采样率上的工程参考。