使用 EEG 信号与深度学习进行言语想象解码：综述

基于摘要分析。本文聚焦面向严重言语生成障碍人群的言语想象（Speech Imagery，SI）BCI，综述利用深度学习从 EEG 中解码想象言语的研究，旨在梳理实验范式、预处理需求、输入表征及技术发展方向，而非提出新的解码模型或报告临床有效性。 作者介绍，其检索覆盖科学与工程领域的主要数据库，并从数据集、预处理、输入表征、深度学习架构和性能评估五个维度分析 SI 解码文献。综述关注哪些范式更适用、是否需要预处理、如何构造模型输入，以及深度学习技术的当前发展方向；在此基础上总结主要发现、提出实践建议，并讨论实际挑战与未来研究方向。摘要未展开这些问题的具体答案，因此尚不能据此确定推荐的预处理流程、输入形式或模型架构。 作者概述深度学习进展推动了该领域改善，但摘要未提供具体指标、对照基线或评估协议，不能据此量化性能提升，也不能推断跨被试、跨会话或临床场景下的有效性。检索范围与纳入排除标准、各数据集的任务及被试构成、数据划分、性能指标和统计信息尚未验证。 阅读全文时可重点核对：不同 SI 任务与范式是否分别比较；预处理、输入表征和架构选择的建议是否有一致的评估依据；被试内、跨被试及跨会话结果是否明确区分。该文的可用贡献主要是文献组织与实践建议，具体方法选型仍需结合纳入研究的原始实验条件判断。