脑到文本解码：通过打字实现的非侵入式方法

基于摘要分析。本研究探索能否从非侵入式脑活动记录中解码句子生成，提出深度学习架构 Brain2Qwerty，用于在参与者使用 QWERTY 键盘输入短暂记忆的句子时，从 EEG 或 MEG 解码文本。研究纳入 35 名健康志愿者，主要贡献是在这一打字任务中展示句子级解码能力，并比较两种记录模态的表现。 作者报告，在上述任务条件下，Brain2Qwerty 的 MEG 平均字符错误率（CER）为 32%，EEG 的 CER 为 67%；表现最佳参与者的 CER 为 19%，并可完全正确解码若干训练集之外的句子。摘要未明确最佳参与者结果的具体模态、人数及汇总方式，也未说明训练集外句子的划分细节，因此这些结果不能直接解释为跨被试、跨会话或自由文本输入条件下的泛化能力。CER 是字符级错误指标，不应与词错误率或 Accuracy 混用。 机制方面，作者报告，错误分析提示解码依赖运动过程，而对打字错误的分析提示高层认知因素也参与其中。这为区分打字动作相关信息与句子生成相关信息提供了研究线索，但摘要不足以确定各类信号的独立贡献，也不能将本任务等同于无动作的内言语解码。 Brain2Qwerty 的具体网络结构、输入预处理、训练目标、文本解码流程，以及是否使用语言模型均尚未验证；被试内或跨被试训练方式、数据划分、对照基线、消融及统计信息也尚未验证。复现时需从全文核对这些条件，尤其是训练集外句子的定义及不同模态结果的比较协议。 作者将结果视为缩小侵入式与非侵入式解码差距的进展。其临床适用性仍需单独验证：当前证据来自能够实际打字的健康参与者，不能据此推断无法运动或交流的患者可获得同等解码效果。