用于失语症在线想象语音解码的轻量级扩散框架
人工智能
2026-01-16 v3
摘要
失语症患者在实时言语交流中经历严重困难，而大多数想象语音解码方法仍局限于离线分析或计算要求高的模型。为了解决这一局限性，我们提出了一个双阶段实验框架，包含离线数据采集阶段和随后的在线反馈阶段，用于实时想象语音解码。该范式采用四分类韩语任务，包括根据参与者日常交流需求选择的三个想象语音目标和一个静息态条件，并在一名患有慢性失命名性失语症的个体中进行了评估。在该框架内，我们引入了一个明确针对实时推理优化的轻量级基于扩散的神经解码模型，该优化通过降维、时间核优化、带正则化的组归一化以及双重早停准则等架构简化实现。在实时评估中，所提出的系统达到了 65% 的 top-1 准确率和 70% 的 top-2 准确率，其中 Water 类达到了 80% 的 top-1 准确率和 100% 的 top-2 准确率。这些结果表明，实时优化的基于扩散的架构结合临床基础的任务设计，可以支持面向失语症交流的 BCI 应用的可行在线想象语音解码。
引用
@article{arxiv.2511.07920,
title = {Lightweight Diffusion-based Framework for Online Imagined Speech Decoding in Aphasia},
author = {Eunyeong Ko and Soowon Kim and Ha-Na Jo},
journal= {arXiv preprint arXiv:2511.07920},
year = {2026}
}
备注
4 pages, 2 figures, 1 table, Name of Conference: International Conference on Brain-Computer Interface