神经假肢解码瘫痪无构音患者的语言( Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria )

David A. Moses Sean L. Metzger Jessie R. Liu Gopala K. Anumanchipalli Edward F. Chang

背景技术恢复不能说话的瘫痪者的交流能力，有可能提高自主性和生活质量。一种直接从这类患者的大脑皮层活动中解码单词和句子的方法可能是对现有辅助交流方法的进步。方法下载PDF格式的研究摘要。我们在一个患有无关节炎（发音能力丧失）和脑干中风引起的痉挛性四肢瘫痪的人的控制言语的感觉运动皮层区域植入了一个硬膜下、高密度、多电极阵列。在48个疗程中，我们记录了22小时的皮层活动，同时参与者试图从50个单词的词汇集中说出单个单词。我们使用深度学习算法创建计算模型，用于从记录的皮层活动模式中检测和分类单词。我们应用这些计算模型，以及一个自然语言模型，在给定序列中的前一个单词的情况下，产生下一个单词的概率，当参与者试图说出完整的句子时，我们对它们进行解码。结果从受试者的皮层活动中实时解码句子，平均每分钟15.2个单词，平均错误率为25.6%。在事后分析中，我们检测到98%的参与者试图产生单独的单词，并利用在81周的研究期间稳定的皮层信号以47.1%的准确率对单词进行分类。结论在脑干卒中引起的无关节炎和痉挛性四肢瘫痪患者中，使用深度学习模型和自然语言模型，可以直接从试图说话时的皮层活动中解码单词和句子。（由Facebook和其他机构资助；ClinicalTrials.gov编号，NCT03698149。）快速拍摄视频摘要解码语音在一个患有无关节炎的瘫痪者02:45

SciDown文献求助系统（解决99%问题） Public Download ResearchGate