基于 EEG 的想象言语分类

基于摘要分析。本研究评估利用 EEG 中的想象言语信息支持不同被试间交流的可能性，通过视觉刺激引导被试想象英语元音，并以基础统计特征和 bipolar neural network 进行分类；其贡献是对想象元音 EEG 可辨识性的初步探索，而非已验证的交流系统。 研究采集了 13 名被试想象英语元音 ‘a’、‘e’、‘i’、‘o’、‘u’ 时的 EEG。处理流程包括去除伪迹与噪声，计算平均功率、均值、方差和标准差，再将这些特征输入 bipolar neural network。摘要未说明具体去噪方法、特征计算窗口、通道配置及分类器结构，这些实现条件尚未验证。 作者报告，该方法在上述想象元音分类任务中的最高 Accuracy 为 44%，并认为 EEG 包含可用于 Cross-subject（跨被试）分类的区分性信息。不过，摘要未交代训练与测试如何按被试划分、最高值对应的实验条件，以及该结果是否来自严格的跨被试评估，因此不能将其直接视为对未知被试泛化性能的确认，也不能与不同协议下的结果直接比较。 进一步核对与复现应重点确认视觉刺激与想象阶段的时间安排、分类所用信号片段、按被试隔离的数据划分及对照基线，以区分想象言语相关信息与视觉诱发活动的贡献。实验协议、消融及统计信息尚未验证；当前材料不支持推断在线交流效果或实际 BCI 可用性。