基于EEG的聆听语言分类

个体从幼年起便持续接触母语之外的其他语言；然而，大脑对这些听觉刺激的反应仍不清楚。为探究这一问题，研究者设计了一项实验，记录受试者在聆听五种不同语言句子时的脑电图（EEG）信号，并构建了一个专用数据库，以便开展分类测试，区分不同语言以及不同的语言理解水平。通过分析 EEG 通道之间的能量差异来表征这些信号，使用双向长短期记忆（bi-LSTM）、长短期记忆（LSTM）和门控循环单元（GRU）神经网络开展了不同的分类测试。主要目标是分析两种不同情境下的大脑反应：受试者聆听不同语言句子时，以及受试者理解或误解句子含义时。在涉及五种不同语言句子的多类分类中，所达到的准确率为 36.37%。然而，在“理解/部分理解含义/未理解”之间的多类分类中，所达到的准确率高达 81.36%。对“理解母语或外语”的二分类测试所获得的结果为 89.09%。bi-LSTM 神经网络取得了整体最佳性能。这些结果表明，仅对 EEG 信号进行分析即可提供有关个体语言理解水平的信息，并可用于监测新语言的学习曲线，或评估失语症等疾病患者的理解能力。

中文由 AI 翻译，仅供参考，以原文为准。