从耳部脑电图记录解码选择性语音注意的线性与非线性方法比较
音频与语音处理
2024-11-18 v2
摘要
许多听力损失患者即使在佩戴助听器时也难以在嘈杂的听觉场景中理解语音。最近的研究表明，听者对语音的选择性注意焦点可以从其脑电图 (EEG) 记录中解码出来，这为开发智能 EEG 操控助听器以在不利声学环境（如鸡尾酒会）中恢复语音理解能力带来了前景。为此，我们在此评估使用一种新型超可穿戴耳部脑电图 (ear-EEG) 设备对参与双说话人竞争语音实验的正常听力听者的选择性注意进行分类的可行性。十八名参与者完成了一项双耳分听任务，要求他们注意一位叙述者而忽略另一位。从记录的信号中估计了编码模型，这些模型证实该设备能够捕捉与高密度 EEG 研究中报告的结果一致的听觉响应。随后比较了多种最先进的听觉注意解码算法，包括基于线性回归的刺激重建算法、非线性深度神经网络以及典型相关分析 (CCA)。所有 18 名参与者的耳部 EEG 信号中均可提取出有意义的选择性听觉注意标记，即使这些标记是从短至仅五秒的 EEG 片段中导出的。将 EEG 信号与语音时间包络的上升沿（起始包络）相关联的算法比利用时间包络本身的算法更为成功。CCA 算法取得了最高的平均注意解码准确率，尽管当使用短时 EEG 片段时，三种算法性能之间的差异既小且在统计上不显著。
引用
@article{arxiv.2401.05187,
title = {Comparison of linear and nonlinear methods for decoding selective attention to speech from ear-EEG recordings},
author = {Mike Thornton and Danilo Mandic and Tobias Reichenbach},
journal= {arXiv preprint arXiv:2401.05187},
year = {2024}
}