ترجمه فارسی مقاله تشخیص بی‌درنگ گفتار گفتاری از سیگنال‌های ECoG بدون برچسب: یک مطالعه آزمایشی با یک شرکت‌کننده ALS

چکیده

Objective. Brain-Computer Interfaces (BCIs) hold significant promise for restoring communication in individuals with partial or complete loss of the ability to speak due to paralysis from amyotrophic lateral sclerosis (ALS), brainstem stroke, and other neurological disorders. Many of the approaches to speech decoding reported in the BCI literature have required time-aligned target representations to allow successful training – a major challenge when translating such approaches to people who have already lost their voice. Approach. In this pilot study, we made a first step toward scenarios in which no ground truth is available. We utilized a graph-based clustering approach to identify temporal segments of speech production from electrocorticographic (ECoG) signals alone. We then used the estimated speech segments to train a voice activity detection (VAD) model using only ECoG signals. We evaluated our approach using held-out open-loop recordings of a single dysarthric clinical trial participant living with ALS, and we compared the resulting performance to previous solutions trained with ground truth acoustic voice recordings. Main results. Our approach achieves a median error rate of around 0.5 seconds with respect to the actual spoken speech. Embedded into a real-time BCI, our approach is capable of providing VAD results with a latency of only 10 ms. Significance. To the best of our knowledge, our results show for the first time that speech activity can be predicted purely from unlabeled ECoG signals, a crucial step toward individuals who cannot provide this information anymore due to their neurological condition, such as patients with locked-in syndrome. Clinical Trial Information. ClinicalTrials.gov, registration number NCT03567213.

چکیده به فارسی (ترجمه ماشینی)

هدفرابط های مغز و رایانه (BCIS) نوید قابل توجهی برای بازگرداندن ارتباطات در افراد با از دست دادن جزئی یا کامل توانایی صحبت به دلیل فلج از اسکلروز جانبی آمیوتروفیک (ALS) ، سکته مغزی در ساقه مغز و سایر اختلالات عصبی دارند.بسیاری از رویکردهای رمزگشایی گفتار که در ادبیات BCI گزارش شده است ، به بازنمایی های هدف هم تراز شده نیاز دارند تا بتوانند آموزش موفقیت آمیز را فراهم کنند-یک چالش بزرگ هنگام ترجمه چنین رویکردهایی به افرادی که قبلاً صدای خود را از دست داده اند.رویکرددر این مطالعه مقدماتی ، ما اولین قدم را به سمت سناریوها بردیم که در آن هیچ حقیقت زمینی در دسترس نیست.ما از یک روش خوشه بندی مبتنی بر نمودار برای شناسایی بخش های زمانی تولید گفتار از سیگنال های الکتروکورتیکوگرافی (ECOG) به تنهایی استفاده کردیم.ما سپس از بخش های گفتار تخمین زده شده برای آموزش مدل تشخیص فعالیت صوتی (VAD) با استفاده از تنها سیگنال های ECOG استفاده کردیم.ما رویکرد خود را با استفاده از ضبط های حلقه باز از یک شرکت کننده آزمایشی بالینی دیسارتریک که با ALS زندگی می کنند ، ارزیابی کردیم و عملکرد حاصل را با راه حل های قبلی که با ضبط صوتی صوتی حقیقت زمین آموزش داده شده مقایسه کردیم.نتایج اصلی.رویکرد ما با توجه به گفتار گفتاری واقعی ، به میزان خطای متوسط ​​در حدود 0.5 ثانیه دست می یابد.رویکرد ما که در یک BCI در زمان واقعی جاسازی شده است ، قادر به ارائه نتایج VAD با تأخیر تنها 10 میلی ثانیه است.اهمیتبه بهترین دانش ما ، نتایج ما برای اولین بار نشان می دهد که فعالیت گفتاری را می توان صرفاً از سیگنال های بدون برچسب ECOG پیش بینی کرد ، گامی اساسی در جهت افرادی که به دلیل وضعیت عصبی خود ، مانند بیماران قفل شده ، دیگر نمی توانند این اطلاعات را ارائه دهند.سندرماطلاعات کارآزمایی بالینی.clinicaltrials.gov ، شماره ثبت نام NCT03567213.