攻壳智动,脑机接口

主要工作：

本研究的主要工作是探索自然语音理解中的脑网络，基于脑电图（EEG）源重建，并使用时间响应函数（TRFs）进行研究。

数据：

研究使用了正常语音和时间反转语音的故事听取任务中记录的EEG数据。

分析方法：

首先，提出了一种功能超对齐方法，使用加性平均方法来减少EEG噪声。然后，基于EEG信号重建大脑中的神经源，估计从语音刺激到源区域的TRFs，并基于社区检测方法在神经源空间中研究脑网络。为了评估基于TRF的脑网络，使用了多个尺度的TRF-based社区检测来获取可靠的脑网络结构。

结论：

提出的功能超对齐方法可以有效减少EEG实验中个体设置引起的噪声，从而提高源重建的准确性。正常语音理解的检测到的脑网络与非语义驱动（时间反转语音）音频处理的脑网络明显不同。研究结果表明，提出的源TRFs能够反映口语语言的认知处理，而多尺度社区检测方法在研究脑网络方面具有强大的能力。

创新点：

本研究的创新点包括基于EEG源重建的TRFs方法，可以更全面地揭示语音理解背后的功能机制。

新的发现：

研究发现正常语音理解和非语义驱动的脑网络具有明显的差异，证明了提出的源TRFs可以反映口语语言的认知处理。

研究意义：

该研究结果对于理解语音理解的脑机制具有重要意义，为脑网络研究提供了新的方法和视角。这对于改善语音理解技术和脑机接口技术具有潜在的应用价值。

参考文献：

Zhou D, Zhang G, Dang J, Unoki M, Liu X. Detection of Brain Network Communities During Natural Speech Comprehension From Functionally Aligned EEG Sources. Front Comput Neurosci. 2022 Jul 7;16:919215. doi: 10.3389/fncom.2022.919215. PMID: 35874316; PMCID: PMC9301328.