《Frontiers in Human Neuroscience》：Optimal sensor set for MEG-based spontaneous and intended speech decoding toward practical communication
编辑推荐：
摘要翻译：
**引言：** 神经言语解码已展现出作为当前脑机接口（BCI）拼写器替代方案的巨大潜力，能够为丧失包括言语在内的自主能力的患者提供更快速、更自然的交流方式。大多数神经言语解码研究集中于提示性言语（cued speech）的解码，即在受试者产生想象或
摘要翻译：
**引言：** 神经言语解码已展现出作为当前脑机接口（BCI）拼写器替代方案的巨大潜力，能够为丧失包括言语在内的自主能力的患者提供更快速、更自然的交流方式。大多数神经言语解码研究集中于提示性言语（cued speech）的解码，即在受试者产生想象或发声言语之前呈现视觉或听觉信号。仅有少数近期研究利用全头皮临床脑磁图（MEG）系统采集的神经活动，探讨了无外部线索的自发性和意图性言语解码。随着MEG技术的近期进展，包括光泵磁强计（OPMs）和氮-空位（NV）中心（NV-diamond）磁强计，MEG正逐渐成为用于实用言语BCI的新一代可穿戴系统。然而，对于可穿戴MEG设备而言，需要多少传感器、应放置于何处以及最佳采样频率是多少，目前仍不明确，而这些参数对于实现成本效益高、计算高效的运行至关重要。
**方法：** 在本研究中，研究人员通过使用前向选择算法寻找用于自发性意图性和发声性言语解码的最优传感器子集，并评估不同频带下的解码性能，以解决上述问题。实验中采用支持向量机和随机森林作为分类器。
**结果：** 研究结果表明，仅需少量传感器（平均7–8个，最多不超过24个）即可获得与使用全头皮（超过200个）传感器相当的解码性能。此外，研究人员观察到，在某些设定下，低频高伽马频带（62–125 Hz）表现出最佳性能，尽管在所有设定中其并不显著高于其他频带。
**讨论：** 这些发现表明，未来的可穿戴MEG设备可能无需全头皮传感器配置，并应支持至少250 Hz的采样率，同时若可能也鼓励采用500 Hz。总之，这些发现为基于MEG的通信BCI提供了实践性见解。
论文解读：
**研究背景与问题**
闭锁综合征（locked-in syndrome）常见于严重脑损伤或神经退行性疾病（如肌萎缩侧索硬化症，ALS）晚期，患者意识与认知功能保留，但几乎丧失包括言语在内的全部自主运动能力。对于完全闭锁患者，传统的增强与替代沟通（AAC）系统是唯一的交流途径。脑机接口（BCI）提供了一种直接从神经信号建立通信渠道的方式，其中基于脑电图（EEG）的拼写器虽已在现实场景中应用，但其逐字符拼写的速度远低于自然对话，并给用户带来显著的视觉和认知疲劳。神经言语解码通过将神经信号直接映射为言语或文本，有望实现接近日常对话的速度与自然性。此前最有效的直接翻译研究大多基于侵入性记录，如皮层内微电极阵列和皮层脑电图（ECoG），尽管性能优异，但需要神经外科手术植入电极，且信号质量随时间退化，存在手术风险，限制了其可扩展性。非侵入性技术如功能磁共振成像（fMRI）和功能性近红外光谱（fNIRS）时间分辨率过低，不适用于言语解码。EEG和脑磁图（MEG）具备毫秒级时间分辨率，能实时捕获神经动态，是目前最有潜力的非侵入性方法。MEG记录的磁场穿过硬脑膜、颅骨和头皮时畸变较小，空间分辨率高于EEG和fNIRS，时间分辨率远超fMRI。然而，传统MEG基于超导量子干涉器件（SQUIDs），需要低温冷却、庞大刚性头盔和磁屏蔽室，成本高且不可便携。新兴的OPMs和NV-diamond磁强计可在近室温下工作，贴合头皮，信号幅度更高，有望实现可穿戴MEG系统。但为设计可穿戴言语解码设备，需明确传感器数量、放置位置及采样频率等关键参数。以往研究主要针对提示性言语任务，而实际交流中言语多为自发产生，缺乏外部线索，更贴近临床需求。Dash等人（2024）已证明可以用MEG非侵入性地解码自发言语，但传感器缩减是否适用于这一更现实的情境尚不清楚，频率需求也未系统研究。因此，本研究旨在定义下一代可穿戴MEG言语BCI解码器所需的最优传感器规格。
**研究方法概述**
研究人员复用了Dash等人（2024）采集的数据集，包括7名健康成人英语母语者（5名女性，年龄22–30岁）的脑磁图（MEG）和同步音频数据。受试者每隔4–5秒随机说出“yes”和“no”，无任何外部提示或线索。MEG系统为306通道MEGIN TRIUX（204个梯度计，102个磁强计），采样率4 kHz，经预处理后仅使用203个梯度计通道。语音分割使用语音活动检测器（VAD）确定发声起止时间，并据此划分意图性言语段（发声前）和发声性言语段（发声期）。特征提取采用七层离散小波变换（DWT），分解为Delta（0.1–4 Hz）、Theta（4–8 Hz）、Alpha（8–16 Hz）、Beta（16–30 Hz）、Gamma（31–58 Hz）、Lower High-Gamma（62–125 Hz）和Upper High-Gamma（125–250 Hz）七个频带，计算各频带的对数功率。分类器采用径向基函数（RBF）核的支持向量机（SVM）和500棵决策树的随机森林（RF），按时间顺序70/30划分训练/测试集。研究人员执行三项分析：（1）前向选择算法寻找最优传感器子集；（2）使用所有传感器独立解码各频带；（3）在最优传感器子集上独立解码各频带。
**研究结果**
*基线解码性能*：使用全部203个梯度计和七个DWT频带时，SVM对意图性言语平均准确率61.9%±13.1%，对发声性言语65.7%±13.8%；RF对应为64.9%±13.0%和71.0%±13.3%。两者均显著高于随机水平（50%），且发声性言语准确率略高于意图性言语。
*最优传感器子集选择*：对于意图性言语，SVM前向选择平均收敛于7.4±4.6个传感器（范围3–16），平均留出法准确率85.8%，而全通道为62.1%；RF平均选择11.0±5.4个传感器（范围4–21），准确率88.5%，全通道为62.5%。对于发声性言语，SVM平均选择6.9±2.6个传感器（范围3–10），准确率91.1%，全通道为64.4%；RF平均选择9.3±7.7个传感器（范围3–22），准确率91.4%，全通道为68.3%。结果表明，少量传感器即可获得优于全通道的解码性能，准确率提升约20%。选出的传感器在头皮上呈现跨受试者的一定聚集性，但也存在显著个体差异，提示个性化传感器布局可能更佳。
*基于全部传感器的单频带解码*：使用全部203个传感器独立解码每个频带时，各频带均高于机会水平，但频带间性能差异明显。Lower High-Gamma在多数设定下平均准确率最高（SVM意图性65.6%，发声性72.4%；RF意图性64.1%，发声性65.7%），而SVM下Alpha频带性能最低。重复测量方差分析显示，仅SVM使用全传感器时频带主效应显著（F(6,36)=3.83, p=0.0047），事后检验表明发声性言语中Lower High-Gamma显著高于Upper High-Gamma（t(6)=5.35, Holm p=0.0104, dz=2.02），其他比较虽数值上倾向Lower High-Gamma，但未达到显著性。
*基于最优传感器子集的单频带解码*：在每名受试者的最优传感器子集上独立解码各频带时，Lower High-Gamma仍略高于其他频带（意图性言语中Beta也较高），但整体准确率低于同时使用全部七个频带（图4/6）或所有频带（图8）的情形。方差分析未显示显著的频带效应，也无显著的频带×言语段交互作用。
**讨论与结论**
研究人员指出，基线分析验证了非侵入性MEG可有效解码自发性和意图性言语，为无提示言语的神经解码奠定基础。最优传感器子集分析表明，全头皮超过200个传感器并非必需，平均7–8个传感器即可获得85%–91%的准确率，比全通道提高约20%，这可能因为简单分类器在高维特征下性能受限。考虑到可穿戴OPM-MEG的模块化设计（如8、16、32、64、128传感器），24个传感器即可满足当前任务，大幅降低成本。传感器空间分布在个体间存在一定重叠（如运动皮层区域）但也有显著差异，提示实际应用可能需要个性化安装并定期重新校准。单频带分析显示，1至250 Hz范围内各频带均包含言语相关信息，但Lower High-Gamma（62–125 Hz）在数值上常优于其他频带（除Upper High-Gamma显著性外），这与文献中该频带承载认知和语义信息的观点一致。根据奈奎斯特-香农采样定理，至少需要250 Hz采样率，若可能500 Hz更佳。当前OPM系统可达到数千赫兹采样，而NV-diamond系统目前仅约100 Hz，尚不足以解析Lower High-Gamma频带，需进一步发展。研究局限性包括样本量小（N=7）和仅二分类词汇（yes/no），未来需在更大样本和更复杂言语任务中验证。总体而言，本研究为可穿戴MEG言语BCI的设计提供了传感器数量、位置和采样频率的实用参数，推动了向实际通信应用迈进的步伐。
