脑机接口 / BCI

EEG-Based Imagined Speech Decoding Using a Hybrid CNN-SNN Architecture

基于脑电图的想象语音解码：使用混合卷积神经网络-脉冲神经网络架构

Fatima Shalhoub, Mariam Al Mawla, Kabalan Chaccour, Iván López-Espejo, Hoda Fares

机构 * Doctoral School of Science, Technology, and Engineering, University of Granada（格拉纳达大学科学、技术与工程博士学院） ； University of Technology Belfort-Montbéliard, SINERGIES（贝尔福-蒙贝利亚尔技术大学，协同实验室） ； Department of Signal Theory, Telematics and Communications, University of Granada（格拉纳达大学信号理论、电信与通信系） ； Department of Chemical Engineering, Stanford University（斯坦福大学化学工程系） ； Department of Electrical and Computer Engineering, Aarhus University（奥尔胡斯大学电气与计算机工程系） 纠错

专题命中 语音与意图解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；分类 cs.HC

AI总结 研究针对脑电图信号想象语音解码难题，提出用卷积神经网络提取时间表征，再经脉冲神经网络进行生物启发式时间分类的混合解码方法，在基准测试中取得高准确率，证明该方法有效性。

Comments Accepted to IEEE EMBC 2026