MEBM-Phoneme：面向非侵入式MEG语音素分类的多尺度增强脑磁图解码器
声音
2026-03-04 v1 人工智能
音频与语音处理
摘要
我们提出MEBM-Phoneme，一个用于从非侵入式磁场脑电图（MEG）信号进行语音素分类的多尺度增强神经解码器。基于BrainMagic骨架，MEBM-Phoneme集成了短期多尺度卷积模块以增强原生中期编码器，通过深度可分离卷积实现高效的跨尺度特征融合。卷积注意力层动态加权时序依赖关系，以细化特征聚合。为解决类别不平衡与会话特定分布迁移问题，我们引入基于堆叠的局部验证集，配合加权交叉熵损失与随机时序增广。对LibriBrain Competition 2025 Track2进行全面评估，显示在验证集与官方测试榜单上均实现了具竞争力的语音素解码准确率。这些结果凸显了分层时序建模与训练稳定化在推动基于MEG的语音感知分析方面的价值。
关键词
引用
@article{arxiv.2603.02254,
title = {MEBM-Phoneme: Multi-scale Enhanced BrainMagic for End-to-End MEG Phoneme Classification},
author = {Liang Jinghua and Zhang Zifeng and Li Songyi and Zheng Linze},
journal= {arXiv preprint arXiv:2603.02254},
year = {2026}
}
备注
5 pages, 1 figure. To appear in the PNPL Competition Workshop at NeurIPS 2025