机构名称：
¥ 1.0
健康人可以在多人说话场景中关注某一语音，但部分听力障碍人士不具备这一能力。因此，研究基于脑电图（EEG）的听觉注意检测是一种帮助听力障碍者检测关注语音的可能方法。之前的许多研究使用线性模型或深度学习来解码关注的语音，但跨受试者解码准确率较低，特别是在短时间内。在本研究中，我们提出了一种基于卷积神经网络（CNN）的多任务学习模型，在2s时间条件下同时进行注意解码和重建关注的时间幅度包络（TAE）。实验结果表明，与传统线性方法相比，受试者特定和跨受试者解码性能都有很大的提高。特别是在双耳分听实验中，2s条件下的跨受试者解码准确率从56%提高到82%。此外，通过分析通道贡献图发现大脑的额叶和颞叶区域对于听觉注意力的检测更为重要。总之，该方法有望应用于神经引导助听器，帮助听力受损的听众更快、更准确地进行注意力检测。索引词：EEG，脑机接口（BCI），听觉注意力检测，多任务学习，鸡尾酒会问题
基于脑电图的多信号短时听觉注意力检测...
主要关键词
相关文件推荐
