面向 EEG 和 MEG 的顺序层次集成网络 SHINE
声音
2026-03-02 v1 人工智能
摘要
自然语音在大脑中的表示构成了认知神经科学的一个重大挑战，皮层包络跟随响应在语音解码中扮演核心角色。本文提出了我们的方法，用于 LibriBrain 2025 竞赛中的语音检测任务，利用来自单一受试者的 50 小时以上磁场脑电图（MEG）信号，其内容为收听 LibriVox 语书人物。我们提出了面向 EEG 和 MEG 的顺序层次集成网络（Sequential Hierarchical Integration Network for EEG and MEG，SHINE）以重建 MEG 信号中的二进制语音-沉默序列。在延伸赛道中，我们进一步集成了语音包络和梅尔频谱图的辅助重建，以增强训练效果。集成方法将 SHINE 与基线（BrainMagic、AWavNet、ConvConcatNet）组合，分别在标准赛道和延伸赛道的比赛测试集上获得了 0.9155 和 0.9184 的 F1-macro 分数。
关键词
引用
@article{arxiv.2602.23960,
title = {SHINE: Sequential Hierarchical Integration Network for EEG and MEG},
author = {Xiran Xu and Yujie Yan and Xihong Wu and Jing Chen},
journal= {arXiv preprint arXiv:2602.23960},
year = {2026}
}
备注
ranked second at LibriBrain Competition 2025 https://neural-processing-lab.github.io/2025-libribrain-competition/prizes/