面向失语者误发音情境下的稳健 EEG 基于意图解码
人工智能
2025-12-15 v2
摘要
失语会损害言语运动控制，常导致可理解性下降和频繁误发音。尽管脑机接口技术的兴趣正在增长，但针对失语者的脑电（EEG）基于通信支持仍有限。为填补这一差距，我们记录了一个失语患者在韩语自动语音任务期间的 EEG 数据，并将每个试验标记为正确或误发音。谱分析显示，误发音试验表现出 elevated 前额-中部 delta 和 alpha 功率，以及减弱的时序 gamma 活动。基于这些观察，我们开发了一个软多任务学习框架，用于抑制这些非特异性谱响应，并纳入基于最大均值不等式（MMD）的对齐模块，以增强类别判别并最小化与域相关的变异性。该提出模型在正确和误发音试验上分别实现了 52.7 分和 41.4 分的 F1 分数——分别比基线提高了 2 分和 11 分，表明即使在发音错误下，意图解码也更稳定。这些结果凸显了 EEG 基于辅助系统在语言受损个体沟通中的潜力。
引用
@article{arxiv.2511.07895,
title = {Toward Robust EEG-based Intention Decoding during Misarticulated Speech in Dysarthria},
author = {Ha-Na Jo and Jung-Sun Lee and Eunyeong Ko},
journal= {arXiv preprint arXiv:2511.07895},
year = {2025}
}