Journal of Neural Engineering（Crossref）·2026-10-22 06:51· 3 天前AI 评分52

GIST 范式：用分级言语线索诱发并解码 EEG 语义提取

Towards semantic brain-computer interfacing: The graded inventory of semantic triggers (GIST) paradigm

AI 导读

研究团队提出 GIST 范式，用分级言语线索诱发语义提取，并让 14 名受试者完成食物、乐器、身体部位三类语义任务，EEG 数据按受试者自报的语义提取时刻（按键）对齐。

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

三组两两分类均高于随机：Body vs. Food 平均准确率 73.4%，Body vs. Music 70.7%，Food vs. Music 68.2%。

解决什么问题

现有语义脑机接口常受刺激驱动的感知过程干扰，且缺乏标记概念形成时刻的可靠手段；GIST 用分级言语线索诱发语义提取并做精确时间对齐。

方法

14 名参与者完成食物、乐器、身体部位三类任务，脑电按自报语义提取时刻（按空格键）做响应锁定分析；两阶段框架：Conformer 编码器加对比与域对抗训练，再迁移到未参与第一阶段的受试者并用 SVM 校准。

局限

从研究设计看，样本为 14 名健康参与者，属可行性验证；部分受试者个体水平置换检验未达显著（Body vs. Food 为 9/11，另两项各 8/11）。

AI 依据原文整理，未经人工核对。