缺上下文就掉线、缺节奏要分心:主观认知下降在不同表达风格下的听觉追踪
本研究以 56 名 60-70 岁粤语正常认知老人的 EEG 回答 SCD 如何调节言语与音乐的皮层追踪,最强证据是扰乱言语在 theta 与平静音乐在 delta 和 theta 随 SCDS 加重而下降,代价是只在缺乏上下文或鲜明节奏的风格中显现且依赖多协变量校正的线性混合模型。
本研究以 56 名 60-70 岁粤语正常认知老人的 EEG 回答 SCD 如何调节言语与音乐的皮层追踪,最强证据是扰乱言语在 theta 与平静音乐在 delta 和 theta 随 SCDS 加重而下降,代价是只在缺乏上下文或鲜明节奏的风格中显现且依赖多协变量校正的线性混合模型。
该研究以法语重音短语为节奏单位,用脑电的成对相位一致性检验三角波跟随语速的能力,初步显示老年人在三倍速下耦合消失并伴随理解与复述分数下降,但神经证据目前仅为每组一人的试点分析,须等待六十人规模的完整处理来确认。
共收录 160 篇 nime-2026 会议论文的 Reader 深度解读
该研究用被动听觉奇异范式与脑磁图比较 24 名普通话-英语双语者与 21 名单语者,发现双侧颞上回与左侧颞中回出现声调偏离的失匹配场,双侧颞上回的双语者效应更强而只有左侧颞上回显示跨语言同音词特异效应,代价是无个体核磁、模板头模型与只报告组水平失匹配幅度的局限。
该系统用 Muse S Athena 头环采集脑电频段经 Mind Monitor 以 OSC 送入 Csound,以采样保持加 SATB 查表把生理抖动驯成稳定和声并用 MIDI 键盘做移调与乐句控制,在双人互换脑电的现场二重奏中验证了可演奏性,代价是放弃连续调制精度且未做定量听感与延迟测量。
共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读
该研究把管弦乐引子与静息任务态脑电都转成时间序列做复发分析,用层流性、确定性、复发率和缺隙度刻画动力学组织,并提出局部密度相似性做音乐与脑电复发图的跨比较,最强证据是贝多芬引子与健康脑电的平均局部密度相似性下降最大而柴可夫斯基最小,代价是仅两例被试与首 60 秒音乐的探索性小样本。
针对双说话人竞争下脑电信噪比低而窗级解码在分辨率与精度间折中问题,论文用马尔可夫切换模型把包络回归与注意状态转移联合建模并用 EM 逐采样点估计,在 KULeuven 数据上取得与 HMM 后处理相当的中位精度而中位切换检测延迟显著更短,代价是对初始化敏感且仍依赖线性回归假设。
该研究用三模型对比学习加包络重建做跨被试听觉注意解码,在 24 人移动脑电三种自然范式上 2 秒窗 61.4% 到 30 秒窗 79.1%,代价是依赖 5 秒训练窗与多特征音频编码且短窗绝对精度仍有限。
共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读
共收录 199 篇 acl-2026 会议论文的 Reader 深度解读
该研究用会话对齐加 Conformer 加 CTC 直接从皮层神经活动解码字符序列,在验证集上报告字符错误率为 23.80%,代价是跨会话信号漂移仍大且词边界错误集中。
该研究用同一 Conformer 骨干同时做语音检测和音素分类,最强证据是标准赛道保留集上语音 88.9% 与音素 73.6% 的 F1-macro,主要代价是音素任务依赖 100 样本平均、多数投票集成和实例归一化才能跨分布泛化。
共收录 52 篇 odyssey-2026 会议论文的 Reader 深度解读
针对五类想象词跨被试解码零样本跌至机会水平的问题,论文用共享三维卷积前端加留一被试预训练再做小样本校准,最强证据是 64 通道三维卷积加仅调分类头在每类 60 样本约 25 分钟校准下达到 53.71%,代价是源域训练准确率高达 92.3% 且被试间方差大。
针对功能磁共振时间分辨率不足以区分言语与语言加工阶段的问题,该工作用词 onset 对齐的皮层脑电高频信号做时空预测微调,在三个语音模型上提升脑对齐且保持下游任务,同时以时间平均与打乱对照证明毫秒结构带来额外增益,但数据仅为 9 人单播客因而覆盖与多样性受限。
针对颅内语音神经假体跨会话漂移,ALIGN 用多源对抗会话不变学习加中间层对齐与时间拉伸增强,在 T12 与 T15 上相对基线降低音素错误率与词错误率,但远期大间隔与伪标签自训练仍是主要边界。
该文在 Whisper 与 HuBERT 每层编码器激活上训练 BatchTopK 稀疏自编码器,用跨种子稳定性、分类探测与消融、转向和脑电相关验证特征,最强证据是转向使虚假语音检出平均下降 70% 而词错误率仅从 5.1% 升至 5.5%,代价是彻底擦除语音概念需移除 19-27% 特征且强转向会破坏识别。
共收录 36 篇 eacl-2026 会议论文的 Reader 深度解读
针对脑电与语音采样率不对齐且单路编码只看目标相关特征的问题,TIDENet 用可训练转置卷积做脑电重采样、用结构共享双路编码分别建模相关与无关特征,在 Cocktail Party 和 AVED 上取得最高的 SDR、SI-SDR、STOI、ESTOI 和 PESQ,但单加语音双路时增益有限且 ESTOI 最优变体不是全量模型。