從非侵入性神經(jīng)(MEG)信號解碼想象和口語短語

研究背景：

腦損傷或晚期神經(jīng)退行性疾病，如肌萎縮性側(cè)索硬化癥（ALS）導(dǎo)致一種稱為鎖定綜合征的狀態(tài)，患者在認(rèn)知上完好無損，但在運(yùn)動上“鎖定”。 溝通幫助對于這些患者恢復(fù)有意義的生活至關(guān)重要。但是由于包括發(fā)音器，手指和眼睛在內(nèi)的整個身體都處于癱瘓狀態(tài)，因此直接利用大腦活動進(jìn)行的旁路可能是重建其交流的唯一選擇。當(dāng)前的腦機(jī)接口（BCI）使用患者的視覺和注意相關(guān)性來建立交流，導(dǎo)致交流速度變慢（每分鐘幾個字）。從神經(jīng)信號直接解碼想象的語音（然后驅(qū)動語音合成器）可能會提高通信速率。

研究方法：

研究使用腦磁圖（MEG）來記錄與語音想象和產(chǎn)生相對應(yīng)的神經(jīng)磁信號。磁腦電圖（MEG）是一種非侵入性的全頭神經(jīng)影像學(xué)方法，它使用高度靈敏的磁力計和坡度計記錄與大腦中細(xì)胞內(nèi)突觸后神經(jīng)元電流相關(guān)的磁場。盡管當(dāng)前的MEG機(jī)器不可攜帶且價格昂貴，但最近對可穿戴式MEG的研究顯示了構(gòu)建下一代便攜式MEG設(shè)備的潛力。

研究調(diào)查了從八名成人受試者收集的單次MEG信號中五個想象及口頭短語的解碼情況。使用了兩種機(jī)器學(xué)習(xí)算法。一種是具有統(tǒng)計特征的人工神經(jīng)網(wǎng)絡(luò)（ANN）作為基線方法。另一個是在從MEG信號中提取的空間，頻譜和時間特征上應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。

圖1

研究結(jié)論：

研究證明了使用人工神經(jīng)網(wǎng)絡(luò)（ANN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）直接從非侵入性神經(jīng)（MEG）信號解碼想象和口頭短語的可能性。研究觀察到，在語音產(chǎn)生階段，語音解碼的準(zhǔn)確性比其他階段更高。即使在語音準(zhǔn)備（想象）階段，準(zhǔn)確性也很高，想象中的平均解碼準(zhǔn)確率高達(dá)93％，口語短語的平均解碼準(zhǔn)確率高達(dá)96％。

參考文獻(xiàn)：

Dash, D., Ferrari, P., & Wang, J. (2020). Decoding Imagined and Spoken Phrases From Non-invasive Neural (MEG) Signals. Front Neurosci, 14, 290. doi:10.3389/fnins.2020.00290