Europe PMC（brain-computer interface · Preprints）· Fogg ZM, Card NS, Wairagkar M, Srinivasan A, Singer-Clark T, Hou X, Okorokova E, Peracha H, Iacobacci C, Brailow T, Jude J, Levi-Aharoni H, Le T, Mifsud D, Deevi PI, Nason-Tomaszewski SR, Pritchard AL, Zhang Y, Richards B, Bechefsky P, Hochberg LR, Williams Z, Shahlaie K, AuYong N, Rubin DB, Pandarinath C, Brandman DM, Stavisky SD.·· 2026-07-27精选AI 评分82
多机构团队提出跨六名受试者联合训练的通用语音神经假体解码器
A generalizable speech neuroprosthesis
AI 导读
多机构团队提出一种基于 transformer 的解码器模型，在六名皮层内语音脑机接口受试者数据上联合训练。对每名受试者，无论性别、病因或尝试说话策略，多用户模型解码语音的准确率都高于单用户数据训练的模型，平均相对 WER 降低超过 50%。该多用户模型在留出用户少于 200 句数据上微调后，WER 可低于 7%。
AI 要点
团队
末位作者 Stavisky SD，作者含 Brandman DM、Pandarinath C 等，属 UC Davis 神经假体实验室等团队，在站长。
主要结果
多用户模型对每位受试者解码均更准，平均相对词错率降低超 50%；对未参与训练的用户微调不到 200 句即可将词错率降至 7% 以下。
解决什么问题
以往高精度语音解码需采集数千句训练数据，本文旨在缩短从植入到高准确度交流的时间。
方法
基于 transformer 的解码器，跨六名皮层内语音脑机接口受试者联合训练，解码尝试说话时的皮层活动为文本。
局限
从研究设计看，为六名受试者的可行性研究，未设对照；原文未提及长期稳定性等。
AI 依据原文整理，未经人工核对。
AI 推荐理由
六名皮层内语音脑机接口受试者的数据被联合训练，读者可据此了解跨用户数据汇聚对解码准确率与部署速度的影响。
来源：Europe PMC（brain-computer interface · Preprints） · doi.org