固定架构下跨三个语料的 EEG 内部言语解码研究

研究者Md Wahiduzzaman Suva等人于2026年11月1日发布研究，在固定架构与协议下实现了跨三个公共语料的EEG内部言语解码。该研究在arXiv的AI类别提交，采用VC-DATNet模型进行解码任务。 模型参数量约为131,000，在Thinking Out Loud、BISpeech和SyncSpeech语料上分别取得39.48%、20.60%和25.53%的准确率。其中SyncSpeech是该研究中首个报告解码结果的语料。 分析显示，传感器空间与皮层源空间表示具有互补性。研究指出当前性能瓶颈更多源于信号质量而非模型容量，揭示了固定架构下跨数据集解码的局限性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。