• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

基于混合连接特征的单词想象语音的多类分类。

Multiclass Classification of Word Imagination Speech with Hybrid Connectivity Features.

出版信息

IEEE Trans Biomed Eng. 2018 Oct;65(10):2168-2177. doi: 10.1109/TBME.2017.2786251. Epub 2017 Dec 22.

DOI:10.1109/TBME.2017.2786251
PMID:29989953
Abstract

In this study, electroencephalography data of imagined words were classified using four different feature extraction approaches. Eight subjects were recruited for the recording of imagination with five different words, namely; 'go', 'back', 'left', 'right', and 'stop'.

摘要

在这项研究中，使用了四种不同的特征提取方法对想象单词的脑电图数据进行分类。八位受试者被招募用于记录五个不同的想象单词，即“go”、“back”、“left”、“right”和“stop”。

相似文献

1
Multiclass Classification of Word Imagination Speech with Hybrid Connectivity Features.基于混合连接特征的单词想象语音的多类分类。
IEEE Trans Biomed Eng. 2018 Oct;65(10):2168-2177. doi: 10.1109/TBME.2017.2786251. Epub 2017 Dec 22.
2
Inferring imagined speech using EEG signals: a new approach using Riemannian manifold features.利用 EEG 信号推断想象中的言语：一种使用黎曼流形特征的新方法。
J Neural Eng. 2018 Feb;15(1):016002. doi: 10.1088/1741-2552/aa8235.
3
Single-trial classification of vowel speech imagery using common spatial patterns.基于共空间模式的元音言语想象的单次试验分类。
Neural Netw. 2009 Nov;22(9):1334-9. doi: 10.1016/j.neunet.2009.05.008. Epub 2009 May 22.
4
Is it possible to detect cerebral dominance via EEG signals by using deep learning?是否可以通过 EEG 信号利用深度学习来检测大脑优势？
Med Hypotheses. 2019 Oct;131:109315. doi: 10.1016/j.mehy.2019.109315. Epub 2019 Jul 20.
5
Imagined speech classification exploiting EEG power spectrum features.利用 EEG 功率谱特征进行想象语音分类。
Med Biol Eng Comput. 2024 Aug;62(8):2529-2544. doi: 10.1007/s11517-024-03083-2. Epub 2024 Apr 18.
6
Multiclass covert speech classification using extreme learning machine.基于极限学习机的多类别隐蔽语音分类
Biomed Eng Lett. 2020 Mar 3;10(2):217-226. doi: 10.1007/s13534-020-00152-x. eCollection 2020 May.
7
Using a noninvasive decoding method to classify rhythmic movement imaginations of the arm in two planes.使用一种非侵入性解码方法对手臂在两个平面上的节律性运动想象进行分类。
IEEE Trans Biomed Eng. 2015 Mar;62(3):972-81. doi: 10.1109/TBME.2014.2377023. Epub 2014 Dec 4.
8
Significant improvement in one-dimensional cursor control using Laplacian electroencephalography over electroencephalography.与脑电图相比，使用拉普拉斯脑电图在一维光标控制方面有显著改进。
J Neural Eng. 2014 Jun;11(3):035014. doi: 10.1088/1741-2560/11/3/035014. Epub 2014 May 19.
9
Improving classification accuracy of motor imagery EEG using genetic feature selection.使用遗传特征选择提高运动想象 EEG 的分类准确性。
Clin EEG Neurosci. 2014 Jul;45(3):163-8. doi: 10.1177/1550059413491559.
10
Left posterior-dorsal area 44 couples with parietal areas to promote speech fluency, while right area 44 activity promotes the stopping of motor responses.左后背部44区与顶叶区域协同作用以促进言语流畅性，而右侧44区的活动则促进运动反应的停止。
Neuroimage. 2016 Nov 15;142:628-644. doi: 10.1016/j.neuroimage.2016.08.030. Epub 2016 Aug 16.

引用本文的文献

1
How low can you go: evaluating electrode reduction methods for EEG-based speech imagery BCIs.你能降到多低：评估基于脑电图的言语想象脑机接口的电极还原方法。
Front Neuroergon. 2025 Jul 2;6:1578586. doi: 10.3389/fnrgo.2025.1578586. eCollection 2025.
2
Classification of Imagined Speech Signals Using Functional Connectivity Graphs and Machine Learning Models.使用功能连接图和机器学习模型对想象语音信号进行分类
Brain Topogr. 2025 Jan 28;38(2):25. doi: 10.1007/s10548-025-01100-7.
3
Resting state EEG assisted imagined vowel phonemes recognition by native and non-native speakers using brain connectivity measures.
基于脑连接测量的静息态 EEG 辅助母语和非母语者想象元音音位识别。
Phys Eng Sci Med. 2024 Sep;47(3):939-954. doi: 10.1007/s13246-024-01417-w. Epub 2024 Apr 22.
4
Multiclass classification of imagined speech EEG using noise-assisted multivariate empirical mode decomposition and multireceptive field convolutional neural network.基于噪声辅助多变量经验模式分解和多感受野卷积神经网络的想象言语脑电信号多类分类
Front Hum Neurosci. 2023 Aug 10;17:1186594. doi: 10.3389/fnhum.2023.1186594. eCollection 2023.
5
The LightGBM-based classification algorithm for Chinese characters speech imagery BCI system.基于LightGBM的汉字语音意象脑机接口系统分类算法。
Cogn Neurodyn. 2023 Apr;17(2):373-384. doi: 10.1007/s11571-022-09819-w. Epub 2022 Jun 26.
6
The Role of Artificial Intelligence in Decoding Speech from EEG Signals: A Scoping Review.人工智能在从脑电图信号中解码语音中的作用：范围综述。
Sensors (Basel). 2022 Sep 15;22(18):6975. doi: 10.3390/s22186975.
7
[Key technology of brain-computer interaction based on speech imagery].基于语音意象的脑机交互关键技术
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi. 2022 Jun 25;39(3):596-611. doi: 10.7507/1001-5515.202107018.