- 8 次围观
脑机接口（BCI）通过解码与言语产生相关的运动和构音信号，已经取得了令人瞩目的性能。然而，关于是否能够从人类皮层活动中解码更高层次的语义表征，目前所知要少得多。证明语义解码的可行性，将有助于推进我们对语言组织方式的理解，并促进依赖概念信息而非纯粹构音信息的脑机接口的发展。我们记录了因临床癫痫监测而接受立体定向脑电图（sEEG）检查的患者在执行需要语义加工的语言任务时的颅内神经活动。从局部场电位中提取高伽马功率，并将其用于生成试次水平的特征，以进行监督式机器学习分类。分类性能采用交叉验证进行评估。语义类别信息的解码结果显著高于偶然水平，在15个语义类别上的平均分类准确率达到29.8%（偶然水平 = 6.7%）。这些发现表明，高伽马活动包含关于概念类别归属的信息，并且这些信息可以在单次试次水平上被提取出来。上述结果证明，语义信息能够从颅内群体记录中获得，并支持将语义解码作为未来语言脑机接口的一个补充性发展方向的可行性。除神经假体应用之外，这项工作还有助于理解概念知识是如何在人类分布式语言网络中表征的。
matthewnelson{at}uabmc.edu
摘要 信息/历史 指标 预览 PDF
摘要 脑机接口（BCI）通过解码与言语产生相关的运动和构音信号，已取得令人瞩目的性能。然而，对于是否能够从人类皮层活动中解码更高层次的语义表征，我们目前所知仍然少得多。证明语义解码是可行的，将推进我们对语言组织方式的理解，并促进依赖概念信息而非纯粹构音信息的脑机接口的发展。我们记录了因临床癫痫监测而接受立体定向脑电图（sEEG）的患者在执行需要语义加工的语言任务时的颅内神经活动。从局部场电位中提取高伽马功率，并将其用于生成试次水平的特征，以进行监督式机器学习分类。分类性能采用交叉验证进行评估。语义类别信息的解码结果显著高于机会水平，在15个语义类别上的平均分类准确率达到29.8%（机会水平 = 6.7%）。这些发现表明，高伽马活动包含可在单次试验水平提取的概念类别归属信息。上述结果证明，可以从颅内群体记录中获取语义信息，并支持将语义解码作为未来语言脑机接口的一条补充性发展方向。除神经假体应用之外，持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本作品依据 CC-BY-NC 4.0 国际许可协议 提供。
返回顶部 上一项 下一项
发布于 2026年7月15日。
下载 PDF 电子邮件 感谢您有意帮助传播 bioRxiv 的内容。 您的电子邮箱 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或以逗号分隔。
您将通过电子邮件发送以下内容 语义信息颅内表征的解码与表征特征分析
邮件主题 （您的姓名）已从 bioRxiv 转发了一个页面给您
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码 此问题用于测试您是否为人类访问者，并防止自动化垃圾信息提交。
分享 语义信息颅内表征的解码与表征特征分析
Christophe Smith， Sophie Inchyna， Bryant Barrentine， Matthew John Nelson
bioRxiv 2026.07.13.738249； doi： https://doi.org/10.64898/2026.07.13.738249
分享本文： 复制
引文工具 语义信息颅内表征的解码与表征特征分析
Christophe Smith， Sophie Inchyna， Bryant Barrentine， Matthew John Nelson
bioRxiv 2026.07.13.738249； doi： https://doi.org/10.64898/2026.07.13.738249
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.13.738249v1?rss=1
🏷️ 脑机接口 颅内脑电 语义解码 高伽马活动 语言表征 监督学习