混合 EEG--驱动的脑--计算机接口：面向个性化语言康复的大语言模型框架
人机交互
2025-08-01 v1 计算与语言
摘要
传统的辅助和替代沟通（AAC）系统和语言学习平台往往无法实时适应用户的认知和语言需求，尤其是在中风后性功能障碍或肌萎缩性肌萎缩症等神经疾病患者。近期，非侵入式脑电图（EEG）--基于脑机接口（BCI）的技术进步以及基于转换器的大语言模型（LLM）提供了互补优势：BCI 能以低疲劳度捕获用户的神经意图，而 LLM 能生成情境化的语言内容。我们提出并评估了一个新型混合框架，利用实时 EEG 信号驱动一个由 LLM 提供支持的语言康复助手。该系统旨在：（1）使具有严重言语或运动障碍的用户通过精神指令导航语言学习模块；（2）动态个性化词汇、句子构建练习和纠错反馈；（3）监测认知努力的神经标记，以实时调整任务难度。
引用
@article{arxiv.2507.22892,
title = {Hybrid EEG--Driven Brain--Computer Interface: A Large Language Model Framework for Personalized Language Rehabilitation},
author = {Ismail Hossain and Mridul Banik},
journal= {arXiv preprint arXiv:2507.22892},
year = {2025}
}