Journal of Neural Engineering· Yichen Tang, Paul M Corballis and Luke E Hallum·· 9 天前精选AI 评分62
奥克兰大学 Luke E Hallum 团队：想象发声时的面部肌肉活动会污染 EEG 并可用于情绪解码
Involuntary facial muscle activity during imagined vocalisation contaminates EEG and enables emotion decoding
AI 导读
奥克兰大学 Luke E Hallum 团队用 64 通道 EEG 开展两项实验，让受试者进行真实发声（n = 14）或想象发声（n = 21）五类情绪（愤怒、快乐、中性、悲伤、愉悦），单试次 EEG 的情绪解码准确率分别为 78.1%（随机水平 20%）和 36.4%。
AI 要点
团队
Yichen Tang、Paul M Corballis、Luke E Hallum（奥克兰大学，据作者署名）
主要结果
单试次EEG可解码情绪：出声发声准确率78.1%（随机水平20%），想象发声36.4%；高伽马频段（50–100 Hz）与侧向通道（T7、T8及邻近）对解码重要。
解决什么问题
以往EEG想象言语解码多关注语义信息，情绪这一人类交流的重要成分基本未被探索。
方法
两个实验：出声发声14人、想象发声21人，五类情绪（愤怒、快乐、中性、悲伤、愉悦）；64通道EEG，时频特征加逻辑回归分类器；另对5人记录面部表面肌电（sEMG）研究其对EEG的污染。
局限
从研究设计看，sEMG污染分析仅5名受试者；想象发声解码准确率36.4%，远低于出声发声。
AI 依据原文整理，未经人工核对。
AI 推荐理由
研究用 EEG 与面部 sEMG 同步记录，指出想象发声时面部肌肉活动会污染信号并影响情绪解码，可供做想象语音解码的团队参考。
来源：Journal of Neural Engineering · iopscience.iop.org