Jun, 2023
使用同任务 EEG-fMRI 数据融合和双模型的数据驱动内部语音解码性能
Performance of data-driven inner speech decoding with same-task EEG-fMRI data fusion and bimodal models
Holly Wilson, Scott Wellington, Foteini Simistira Liwicki, Vibha Gupta, Rajkumar Saini...
TL;DR本文利用融合功能磁共振成像 (fMRI) 和脑电图 (EEG) 的方法对内部言语进行了解码并探究了其性能优势。作者对两种不同的双模融合方法进行了研究,包括从单模 fMRI 和 EEG 机器学习模型的概率向量输出和特征工程的数据融合。作者通过四位参与者记录的同一任务的内部言语数据,比较和对比了不同的处理策略并探索了不同的融合模型对理解内部言语的表现差异。研究发现不同参与者的数据编码了不同的基础结构,因此,基于受试者的融合模型的解码表现存在差异。如果数据表现出基础结构,则深入探究双模 fMRI-EEG 融合策略的解码性能有所提高。