Duke G. B. Cogan 团队用 μECoG 对齐跨患者潜在动态提升语音解码
AI 摘要Duke University 的 G. B. Cogan 团队在八名接受清醒神经外科手术的患者上，用高密度 μECoG 阵列记录感觉运动皮层，通过 PCA 提取潜在动态并用 CCA 跨患者对齐，训练出跨患者语音解码模型。
AI 推荐理由：八名受试者的术中 μECoG 数据显示，跨患者对齐潜在动态后语音解码可超过个体模型，读者可据此比较跨患者与个体化训练路线。
神经解码模型、在线校准、神经数据基础模型等算法进展。
AI 摘要Duke University 的 G. B. Cogan 团队在八名接受清醒神经外科手术的患者上，用高密度 μECoG 阵列记录感觉运动皮层，通过 PCA 提取潜在动态并用 CCA 跨患者对齐，训练出跨患者语音解码模型。
AI 推荐理由：八名受试者的术中 μECoG 数据显示，跨患者对齐潜在动态后语音解码可超过个体模型，读者可据此比较跨患者与个体化训练路线。