在扫描仪里同时听脑、看肌肉和拍声道：三模态同步采集如何压住电磁伪迹

英文题目：An Approach to Simultaneous Acquisition of Real-Time MRI Video, EEG, and Surface EMG for Articulatory, Brain, and Muscle Activity During Speech Production

会议身份：conference:interspeech:2026:conference-paper-id:lee26b_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#信号处理 #发声与构音 #生理信号 #脑信号 #静默语音接口

评分：6.4/10 | 创新 1.5/2 | 技术严谨 1.2/1.5 | 实验充分 0.6/1.5 | 清晰度 0.8/1 | 影响力 1.0/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：系统技术报告

👥 作者与机构

• Jihwan Lee：机构信息未能从会议 PDF 纯文本可靠映射
• Parsa Razmara：机构信息未能从会议 PDF 纯文本可靠映射
• Kevin Huang：机构信息未能从会议 PDF 纯文本可靠映射
• Sean Foley：机构信息未能从会议 PDF 纯文本可靠映射
• Aditya Kommineni：机构信息未能从会议 PDF 纯文本可靠映射
• Haley Hsu：机构信息未能从会议 PDF 纯文本可靠映射
• Woojae Jeong：机构信息未能从会议 PDF 纯文本可靠映射
• Prakash Kumar：机构信息未能从会议 PDF 纯文本可靠映射
• Xuan Shi：机构信息未能从会议 PDF 纯文本可靠映射
• Yoonjeong Lee：机构信息未能从会议 PDF 纯文本可靠映射
• Tiantian Feng：机构信息未能从会议 PDF 纯文本可靠映射
• Takfarinas Medani：机构信息未能从会议 PDF 纯文本可靠映射
• Ye Tian：机构信息未能从会议 PDF 纯文本可靠映射
• Sudarsana Reddy Kadiri：机构信息未能从会议 PDF 纯文本可靠映射
• Krishna Nayak：机构信息未能从会议 PDF 纯文本可靠映射
• Dani Byrd：机构信息未能从会议 PDF 纯文本可靠映射
• Louis Goldstein：机构信息未能从会议 PDF 纯文本可靠映射
• Richard M. Leahy：机构信息未能从会议 PDF 纯文本可靠映射
• Shrikanth Narayanan：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

语音产生的因果链从大脑运动规划经口面肌肉激活到声道运动，单一音频无法揭示其神经生理基础，而同步观测的最大难点是磁共振梯度切换感应伪影、心搏伪影与发音肌电污染相互叠加。所构建三模态同步采集系统先以0.55T螺旋稳态进动序列采集声道实时磁共振视频，并经光纤触发同步5kHz脑电与面部表面肌电，使三路信号在统一时钟下对齐。去伪影链分三步衔接：先用平均模板相减去除周期性梯度伪影，其输出再经心电锁时平均去除心搏伪影，最后以肌电与眼电为参考的典型相关分析投影去除肌电与眼动残留，净化后的脑电与全声道形态直接对齐。相对已有仅同步电磁发音仪与肌电或脑电与电磁发音仪的工作，该范式首次提供全声道动态形态与中枢及外周电生理的对齐真值，可客观监测想象言语中的微构音运动。在单被试18个VCV非词充分发音任务评测下，高伪影记录的伪影成分指标为5，高于低伪影记录的伪影成分指标2，且舌区图像信噪比指标为10.148。该结论目前仅限单被试充分发音任务的初步可行性，跨被试稳定性与静默及想象言语解码性能尚未验证，属明确适用边界受限。原文未披露训练、推理或部署成本

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

声音之外还要看什么：说话链条缺了哪几环？

这篇论文的输入是同一说话人在同一时间产生的 3 类信号：实时磁共振视频看到的声道运动、脑电帽记录的头皮脑电、贴在口面部的表面肌电，外加光学麦克风录到的声音。目标不是把语音识别做高几分，而是验证三者能否在扫描仪运转的同时采下来并且对得上时间，让研究生能复述从刺激呈现到发音再到去伪迹的每一步动作。

必须保留的信息是设备条件、试次结构、同步方式和 3 级去伪迹的顺序与参数依据，输出是一套可核对的采集加处理流程而不是一个解码分数。论文把说话看成一条因果链：大脑做语义到运动指令的规划，面部与喉部肌肉放电执行，舌唇腭运动调制气流形成声音。只看声音波形，看到的是链条末端的混合结果，无法反推哪一步出了问题，也无法给无声说话提供训练用的运动真值。白话说，实时磁共振成像就是用磁共振快速连续拍照，直接看到舌头怎么动。

脑电图就是戴帽子测头皮电压变化，时间很快但容易被肌肉和磁场干扰；表面肌电图就是在皮肤上贴电极测肌肉放电，能知道哪块肌肉何时用力。论文的判断是三者缺一不可：有脑无运动就无法验证神经指令是否落地，有运动无脑就无法研究规划，有肌肉参考才能把脑电里的肌电污染挑出来。

前人拼过哪两块：为什么三模态同时采仍是空位？

在发音运动观察一侧，已有实时磁共振和电磁发音仪两条路线。实时磁共振能给出完整声道矢状面动态，电磁发音仪则在舌唇贴上传感器给点轨迹，两者都用于研究发音到声音的映射。在神经一侧，脑电因无创和高时间分辨率被广泛用于语言表征、言语包络追踪和脑到语音解码。在肌肉一侧，表面肌电用于研究运动募集时序和无声语音合成。

关键的已有组合工作是分散的：有人做电磁发音仪加肌电的同步，有人做脑电加电磁发音仪的时间配准，还有人用脑磁图加磁性发音追踪同时看脑与运动。这些工作每次只拼了链条的子集，而且电磁发音仪只能给稀疏点，不能给出整条声道的连续图像。本文的定位是第一次把实时磁共振、脑电和表面肌电三者在说话任务中同步起来，补上同时看到全声道运动、肌肉激活和脑活动的空位。

理解这一定位很重要：它不宣称解码精度超过谁，而是先回答可行性，即磁场干扰下 3 路信号是否还能用。

同时开机会互相打架吗：三个技术难题是什么？

论文把难题归成 3 类，顺序也对应处理顺序。第一是梯度切换感生的电磁伪迹。磁共振成像要快速切换梯度磁场，根据电磁感应会在脑电和肌电导线上感生出大幅周期性电压瞬变，直接淹没微伏级的生理信号。第二是心脏搏动相关的脉冲伪迹。血液和电极在静磁场中随心跳运动，会产生与心电锁定的准周期波形，在不同通道呈现镜像极性反转的外观。

第三是说话本身带来的肌源性和眼动污染，包括下颌头动拉扯电极接触、面肌放电串到脑电、眨眼和眼球转动。白话说，第一类是机器吵，第二类是心跳晃，第 3 类是说话动，三者叠加时脑电几乎不可读。论文还点出一个方法学陷阱：刺激呈现若与磁共振容积采集周期锁死，平均事件相关电位会混入周期性残留，所以试次间隔必须抖动。

无声说话 × 想象说话： 无声说话分工是指做出发音动作但不振动声带发声，仍有可观测的肌肉与声道运动；想象说话分工是指要求完全抑制发音动作只在脑内想象，理论上不应有运动。二者搭配的理由是脑机接口最难的恰是无声音真值的两类输入；组合意义是实时磁共振可以客观检验想象任务中是否存在被试自己察觉不到的微发音运动，从而判断解码用的是纯神经规划还是混入了外周残留。

整套流水线长什么样：从房间布线到去伪迹顺序？

跟着一个试次走完全程最容易复述。被试躺在扫描仪里看刺激屏，控制室放着磁共振计算机、音频计算机、脑电记录计算机、刺激计算机和同步触发盒，记录室放着扫描仪、光学麦克风、脑电放大器和电池、戴肌电的脑电帽。磁共振时钟通过光纤触发与脑电系统同步，扫描起停触发会打进脑电记录，音频用光学麦克风同步录。

采集时先录 60 秒静息黑屏，然后进入随机词表循环：黑屏抖动等待、白色注视十字、呈现目标无意义词但不让读、再出现十字作为开始说的信号让被试在 2 秒内完整发出、最后黑屏 0.5 秒进入下一试。去伪迹分 3 段先后做：先做梯度伪迹的平均模板相减，再做心跳伪迹的心电引导平均模板相减，最后做以肌电和眼电为参考的典型相关分解去掉肌源和眼动残留。顺序的理由在正文交代得很清楚：不先压掉大幅梯度伪迹，心电 R 峰检测和后续分解都不可靠。

下段先说明房间与同步链路的整体布局，再放出实验装置图，读完图再进入设备参数细节。

看图路径： 1. 先区分左侧磁共振控制室与右侧扫描记录室两大色块；2. 再沿光纤触发线看磁共振时钟如何同步脑电记录；3. 最后确认光学麦克风、刺激屏幕与脑电放大器的房间位置

论文图 2。原论文 Figure 1：“Experimental setup for simultaneous acquisition of rtMRI, EEG, and EMG, along with audio.”。

这张装置图把容易接错的线讲清楚了。控制室一侧的同步触发盒是汇合点，磁共振触发、磁共振时钟、音频记录和刺激计算机都向它汇总，再分发给脑电记录计算机；记录室一侧的放大器用电池供电以隔离市电，脑电帽加肌电的信号经放大器再经光纤送到控制室，光学麦克风单独走音频链路。这种布线保证了脑电、眼电、肌电天然同系统对齐，而磁共振视频与脑电靠起停触发对齐，磁共振视频与音频靠已有方案对齐，三者间接闭环。复现时先照图查光纤方向和触发盒接线，再核对采样率与时钟源，否则后续模板相减的周期假设不成立。

用什么机器采：场强、电极和序列如何选？

磁共振侧用 0.55T 扫描仪加定制 8 通道上气道线圈，采用螺旋平衡稳态自由进动序列，重建帧率达到每秒 99 帧。选择 0.55T 的理由是原文明确写了低场对电生理记录更友好，高场下感生伪迹和安全兼容问题更大。电生理侧用磁共振兼容的脑电系统，采样率 5 kHz 并经光纤与磁共振时钟同步。通道共 16 个：9 个脑电覆盖 C3、C4、F3、F4、前极中线、枕区和乳突，2 个眼电，3 个表面肌电，1 个心电。3 个肌电分别贴在口角下巴、下巴下方和喉结旁，对应与发音运动相关的口面肌群。

眼电记录角膜视网膜电位用于去眼动，心电用于检测 R 峰做心跳模板。音频用光学麦克风在扫描中同步录，避免普通麦克风被磁场干扰。被试点是 1 名 30 多岁的美国英语男性母语者，无视听障碍，知情同意和伦理批准齐备。任务分完整发声、无声和想象 3 种，每种分机内和机外两种磁场条件，本文聚焦完整发声；发声与无声任务每种磁场条件重复 12 次，想象任务只取子集做 2 轮。

实时磁共振成像 × 脑电图： 实时磁共振成像负责给出声道矢状面连续运动图像，分工是看清舌、唇、软腭在哪里动；脑电图负责以毫秒级时间分辨率记录头皮电位，分工是捕捉说话规划与执行的快速神经动态。二者搭配的理由是单一声音波形只看到终产物，而图像加脑电可以把运动结果和神经原因对齐；组合后新增的作用是为无声或想象说话也提供可观察的发音运动真值，用于约束脑到语音的映射。

脑电图 × 表面肌电图： 脑电图分工是记录皮层为主的电活动但极易混入肌肉和眼动成分；表面肌电图分工是直接记录口面部肌肉的电激活，分工是提供外周干扰的参考副本。二者搭配的理由是说话时面肌活动与神经信号在时间上重叠，仅靠盲分离难以区分；组合后新增的作用是以肌电和眼电为参考做典型相关分解，把与外周强相关的分量投影去掉而保留皮层成分。

梯度伪迹 × 心跳脉冲伪迹： 梯度伪迹分工是描述磁共振快速切换梯度场通过电磁感应在导线上感生的大幅周期性电压瞬变；心跳脉冲伪迹分工是描述心脏搏动带动血液和电极在静磁场中运动产生的准周期心电锁定波形。二者搭配处理的理由是前者幅度大且掩盖一切，后者幅度小但与心跳锁定而持续污染；组合意义是先做梯度模板相减恢复出可检测的心电 R 峰，再做心跳锁定模板相减，两步顺序不可颠倒。

想象说话也有小动作吗：磁共振看到了什么？

论文用实时磁共振视频检查了被试被要求完全抑制发音动作的想象任务。报告显示即使有意识抑制，仍能看到微发音运动，例如软腭的运动，示例为无意义词 ama 的连续快照。原文的解释是这与既往研究一致，可能反映言语规划过程内在的系统性成分，但是否能通过训练完全抑制还需进一步研究，屬於待验证推测。教学上要区分两件事：观察到微运动是报告，有助于说明为何想象解码容易混入外周残留；把微运动解释为规划的内在部分是有限解释，不能当成因果结论。复现时应逐帧检查软腭与舌体的位移，而不是只看单张截图，原文未给出位移的定量阈值，这是缺项。

有没有训练模型：本研究实际计算了什么？

本研究没有训练神经网络解码器，也没有冻结或更新任何模型权重，因此不存在优化器、损失函数、梯度路径和早停。把无训练等同于确定性求解是误解：模板相减和典型相关分解仍有估计方差和人工核验环节。实际计算分三块。

第一块是梯度伪迹校正：在脑电中用梯度阈值法检测每个重复伪迹的起始，与采集周期对齐后取中心滑动窗内多次重复做平均得到局部模板再逐段相减，滑动窗用于容忍被试运动导致的伪迹形态缓慢变化，参数沿用分析软件对实时磁共振适配后的默认值，在专用脑电分析软件中执行，可视化在脑信号分析软件中检查。

第二块是心跳伪迹校正：对心电通道 15 Hz 低通后半自动检测 R 峰并核验，以 R 峰为锁时点在滑动窗内平均得到心脏锁定模板再相减，用于压制心电锁定的波形分量和双侧镜像极性模式。第三块是肌源和眼动校正：把 9 通道脑电与 5 通道参考联合做典型相关分析，按与参考的相关系数排序，剔除相关系数大于 0.4 的分量并辅以时程与地形目检，每个记录剔除 2 到 5 个典型分量，再把对应子空间正交投影掉。

效果评估不靠分类分数，而是靠眨眼锁定的额区伪迹是否压住、发音锁定的运动伪迹是否衰减、地形是否恢复出预期的言语模式 3 条目检加波形频谱对照。

试次如何排：词表、时序和抖动怎么定？

先提出要核对的问题：刺激呈现是否会引入视觉诱发电位污染，以及呈现节律是否与扫描周期锁死。公平条件是机内机外用同一套词表和同一时序逻辑，只改变磁场有无。词表是 18 个元音固定为 a 的双音节无意义词，结构为元音辅音元音，覆盖唇齿舌喉多部位发音动作，随机呈现。时序的教学价值在于把看词和说话分开：先给词看 1 秒但不让说，再给十字信号才让说，这样视觉加工与发音运动在时间上错开。抖动把试次间隔在 0.5 秒、0.75 秒和 1.0 秒之间随机，目的是打散刺激起始与磁共振采集周期的固定相位关系。

下表把每个试次的 5 步时序、画面、指令和原文给出的安排理由整理成可执行的检查单，表后解释为何这样排仍有残留风险。

表后需要说明代价与边界。分开看词和说话确实减少了视觉诱发与运动伪迹在呈现时刻的重叠，但发音阶段仍有大幅面肌活动和头动，额极电极的机械扰动难以完全避免；抖动只打散与扫描周期的锁定，不能去掉说话本身的节律性。此外静息 60 秒黑屏和每条件 12 次重复保证了平均事件相关电位有足够试次，但单被试设计意味着时序结论不能推广到群体，想象任务仅 2 轮更只能做定性观察。复现时必须逐试记录 5 段时间戳和随机抖动值，否则无法做锁时平均。

看图路径： 1. 从左到右数出黑屏、白十字、单词、白十字、黑屏五个画面；2. 注意中间第三格显示的示例词 apa 字样；3. 对比第一格与第四格黑屏与十字的视觉差异

论文图 1。原论文 Figure 2：“Stimulus presentation protocol. asked to imagine producing each stimulus without any articula- tory movements.”。

这 5 个方块就是上表的视觉版本。从左到右依次是全黑等待、白十字注视、中央印有 apa 的黑屏、再次出现的白十字开始信号、最后的全黑恢复。注意第三格的词呈现与第四格的执行信号用了不同画面语义：前者是字母串，后者是十字，这正是把视觉认读与运动执行分开的关键。像素上 5 个方块均为白 on 黑的高对比，字形居中，复现时不要改成彩色或改变对比度，以免引入额外的视觉诱发差异。

磁伪迹压住了吗：时域频谱与跨条件相关怎么看？

要回答的问题是磁场相关的 2 级校正是否把脑电恢复到接近机外参考。比较条件是机内原始、机内磁去噪后、机外无磁场参考三者，指标方向是时域大幅周期瞬变消失、频域高频谐波峰消失、机内外事件相关电位波形相关越高越好。原文报告机内原始脑电有大幅周期瞬变和谐波谱峰，去噪后高频谐波被去除，时频特性与机外参考可比；刺激前后各 1 秒共 2 秒窗的平均时间相关为 0.66，前极和语言产生附近更高，前极中线、左侧中央和左侧额区分别约 0.82、0.81 和 0.78。

注意该窗口在发音之前，肌源污染尚未开始，因此该相关只证明磁校正有效，不证明说话段干净。另一条证据是磁共振视频是否被脑电帽破坏：舌区感兴趣区信噪比为 10.148，落在既往文献预期界内，定性对比也未见发音感兴趣区明显伪影。时间对齐误差平均每秒 8.3 毫秒，落在视频帧长 10.1 毫秒范围内，说明用起停触发对齐的漂移小于 1 帧。

下表把采集参数与三项可核对数字放在同一框架下，表后解释每项数字支持什么、不支持什么。

表中收益是磁校正把不可读的原始脑电拉回到与机外参考形态可比，且视频质量与对齐精度未被电极明显拖累；代价是 0.66 是发音前窗口的相关，发音段仍需第 3 级肌电校正，且单被试下相关系数的标准差达到 0.17，跨通道差异大。未胜出或未评测的边界是未报告发音段机内外相关，也未报告误判率或延迟，因此不能把该相关直接理解为解码可用的信噪比。

读图前先明确三排的比较逻辑：上排是机内原始，中排是机内磁去噪后，下排是机外参考，每排左侧是刺激前后 1 秒的时域波形，右侧是对应频谱。

看图路径： 1. 先看上排原始记录时域波形的大幅毛刺幅度范围；2. 再看上排频谱中多个等间距尖锐谐波峰；3. 最后对比中排与下排去伪迹后与机外参考的波形与谱形是否接近

论文图 4。原论文 Figure 4：“Magnetic artifact correction around stimulus onset.”。

像素细节支持正文判断。上排时域多通道曲线被大幅毛刺淹没，纵轴摆动达数百微伏，右侧频谱在数 10 到 200 赫兹出现多个尖锐等间距谐波峰；中排时域摆动回到数十微伏内，右侧谐波峰消失，谱形变得平坦弥散；下排机外参考的时域与频谱与中排形态接近，尤其是在刺激后约 0.4 秒出现的额区大偏转在中排与下排都可见。复现时应先复刻上排到中排的谐波消失，再去算机内外相关，不要跳过频谱检查直接算相关。

肌电眼电去掉后脑信号出来了吗：前后地形如何变？

要回答的是第 3 级以肌电眼电为参考的典型相关分解是否必要、阈值如何定。比较是同一发音段去肌源前后，指标是额区高幅污染是否衰减、左侧语言区偏侧是否显现。原文用相关系数大于 0.4 剔除并辅以目检，每个记录剔除 2 到 5 个分量；去之前污染峰值约 60 微伏，去之后多数通道降到约 20 微伏，额区广泛肌源被压住，前极仍有局限残留，归因于说话头动对电极的机械扰动。地形上出去之前高幅集中在额区，出去之后额区主导减弱并显现左侧半球偏侧，与既往言语皮层偏侧报道大致一致，但原文用词是大致一致，属于有限解释而非因果证明。

下表把阈值、剔除数量与幅值变化整理为可复现的消融检查，表后点出残留与误伤风险。

表后解释代价。阈值 0.4 加目检的好处是可操作且保留皮层成分，但目检引入主观性，不同操作者剔除 2 到 5 个的边界可能漂移；前极残留说明机械扰动不能靠电参考完全建模，若把阈值调得更严可能误伤真神经成分。未胜出的边界是有限肌电 montage 本身覆盖不全，残留不代表方法失败，而是硬件 trade-off。复现时应固定阈值、记录每个分量的相关系数与地形截图，而不是只报告剔除个数。

读图前先确认左右两大面板是同一数据的去伪迹前后，纵轴量程不同不能直接比高矮，需先看纵轴再看颜色。

看图路径： 1. 先比较左右两组头皮地形图在额区的红蓝饱和程度；2. 再比较下方事件相关电位曲线的纵轴量程变化；3. 最后观察去伪迹后左侧半球在 0.6 秒到 0.9 秒的颜色偏侧

论文图 5。原论文 Figure 5：“Comparison of ERPs and topographies before and after myogenic and ocular artifact removal.”。

左侧去之前下方曲线纵轴达 60 微伏，上方 0.6 秒到 1.2 秒头皮图额区深红饱和；右侧去之后纵轴收窄到 20 微伏，上方同时间点额区饱和减弱，出现左侧暖色右侧冷色的偏侧分布。下方曲线中标记的刺激呈现与发音起始线帮助区分视觉段与运动段：发音起始 0 秒之后左侧面板波动剧烈，右侧面板波动收敛。复现时重点观察 0.6 秒与 0.9 秒两张地形图的左右分界线是否出现，而不是只看峰值数字。

哪些结论推不动：单被试与硬件 trade-off 在哪？

第一是泛化受限。试点只有 1 名被试，任务重复 12 次只能支撑个体内平均，不能估计人群方差，想象任务仅 2 轮更只能定性看。第二是脑电硬件 trade-off。磁共振兼容电极是被动电极，噪声可能高于主动电极；帽子不是为言语任务定制，对言语语言区的覆盖和空间分辨率有限，9 个脑电通道难以做精细溯源。

第三是肌电覆盖有限。3 个表面肌电不能覆盖全部发音相关肌群，残留伪迹的一部分来源正在于此。第四是感觉混淆。扫描仪噪声带来听觉影响，正字法视觉刺激带来视觉加工，两者都会混入神经活动，论文明确列为局限。第五是评估缺项。

未报告误判率、延迟、计算成本和输出帧率与实际延迟的区分，因此不能承诺解码更快更准，只能说提供了无声时也有运动真值的训练条件。缺失证据不是技术错误，但引用时必须用可能或待验证的措辞。

要复现先做什么：按什么顺序查线、采数、跑去伪迹？

第一步按装置图查线。确认磁共振触发与时钟进同步触发盒、刺激计算机与音频记录的触发关系、脑电放大器经光纤到记录计算机的方向，以及刺激屏与光学麦克风的房间位置；采样率设为 5 kHz 并锁定磁共振时钟。第二步按词表与时序采数。准备 18 个无意义词表，试次严格执行黑屏抖动、注视 0.5 秒、呈现 1 秒不读、十字信号 2 秒发音、黑屏 0.5 秒恢复，记录每次抖动取值。

每种磁场条件发声与无声各采 12 次，采前先采 60 秒静息黑屏。第三步按顺序跑去伪迹。先在脑电分析软件中做梯度模板相减并检查频谱谐波是否消失，再做心电 15 Hz 低通、R 峰半自动核验与心跳模板相减并检查镜像极性是否减弱，最后做以 3 肌电加 2 眼电为参考的典型相关分解，阈值 0.4 加目检剔除 2 到 5 个分量并保留截图。第四步做三项核对：舌区信噪比是否落在既往界附近、起停触发时长差是否小于帧长 10.1 毫秒、发音前窗口机内外相关是否接近 0.66 且前极更高。

资源状态方面，论文正文写了代码与数据可在代码托管链接获取，但本次收到的官方资源状态没有可用链接证据，因此本解读不能声称代码数据当前已公开，复现前需自行按文中的软件与参数搭建。

何时值得尝试这套方法：给新生的行动清单？

当你的问题必须同时回答脑在何时规划、肌肉何时用力、声道如何运动时，这套 3 模态同步才值得付出磁兼容与去伪迹的成本；若只关心声音转文字，单用音频加常规脑电更划算。行动清单是先复刻同步与抖动，再复刻 2 级磁校正的频谱消失，最后才做肌源分解的地形偏侧，每一步都保留机外参考做对照。还需补的验证包括多被试重复、发音段机内外定量对照、高密度言语定制帽与更全肌电 montage，以及把微发音运动量化成位移阈值。

记住两个易错点：把发音前的高相关推广到发音段是错的，把左侧偏侧当成因果定位也是错的，前者只是磁校正有效，后者只是与既往报道大致一致。做好这些区分，这篇论文就是一份可执行的采集手册，而不是一个分数。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 interspeech-2026 论文汇总