使用fNIRS进行说话方式的跨主题分类

1. 研究概述

在脑机接口(Brain-Computer Interface, BCI)的研究中，通常使用特定主题和会话的训练数据来保证满意的分类结果。在该研究中证明了用功能性近红外光谱(fNIRS)记录的不同说话任务的神经反应在不同说话者之间足够一致，可以用专门针对其他受试者训练的模型对说话模式进行稳定地分类。研究表明，未来基于fNIRS的研究可以在不需要耗时训练的情况下进行设计，而这对于残疾用户来说，除了繁琐之外是不可能的。在不使用任何被试数据进行训练的情况下，在区分包含显性言语和无声言语的片段与被试不说话的片段时，准确率分别为71%和61%。为了排除人工伪迹，严格处理分析数据。

2. 神经导航在其中起到定位的作用

为了测量相关区域的神经活动，在左半球的Broca区放置4个光电，在Wernicke区放置10个光电。前额叶皮层覆盖12个光电元件，左下运动皮层放置6个光电元件。使用ANT Visor红外摄像机系统1记录准确的光电位置，并使用NIRS-SPM软件绘制到大脑表面图像上。图1显示了QY球友会实验中光极的确切位置。

图1.（a）光极位置正视图 （b）光极位置左侧图

3. 文献名称及DOI号

Herff, C., Heger, D., Putze, F., Guan, C., & Schultz, T. (2012, November). Cross-subject classification of speaking modes using fNIRS. In International Conference on Neural Information Processing (pp. 417-424). Springer, Berlin, Heidelberg.

DOI: 10.1007/978-3-642-34481-7_51