DOI: https://doi.org/10.1038/s42003-025-07464-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39979463
تاريخ النشر: 2025-02-20
المؤلف: Kinkini Bhadra وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تناقش هذه القسم إمكانية واجهات الدماغ-الكمبيوتر (BCIs) لتحويل التواصل للأفراد الذين يعانون من إعاقات شديدة في الكلام. شملت الدراسة تدريب 15 مشاركًا صحيًا للتحكم في نظام BCI ثنائي باستخدام إشارات تخطيط الدماغ الكهربائي (EEG) من خلال تخيل المقاطع الصوتية على مدى خمسة أيام. أظهرت النتائج تحسنًا كبيرًا في التحكم في BCI بشكل عام، على الرغم من التباين بين المشاركين. تم إثبات ضرورة التغذية الراجعة المستمرة للتعلم الفعال، حيث ارتبطت تحسينات الأداء بزيادة نشاط ثيتا الجبهي ونشاط غاما المنخفض في المنطقة الزمنية، مما يشير إلى أن تعلم تشغيل BCI ينطوي على ديناميات عصبية معقدة عبر مقاييس طيفية مختلفة.
تسلط الورقة الضوء على التحديات في فك شفرة الكلام المتخيل، خاصة بالنسبة للأفراد الذين يعانون من اضطرابات عصبية تؤثر على إنتاج اللغة. بينما تم إحراز تقدم في فك شفرة الكلام المحاول من التسجيلات داخل الجمجمة، قد لا تكون هذه الطرق مناسبة لحالات مثل الحبسة التعبيرية بعد السكتة الدماغية. بدلاً من ذلك، يجب أن يتحول التركيز إلى فك شفرة الكلام المتخيل، الذي لا يعتمد على النظام العضلي الهيكلي. تؤكد الدراسة على أهمية التغذية الراجعة في الوقت الحقيقي للمستخدمين لتحسين نشاطهم العصبي من أجل تحسين التحكم في BCI، مع معالجة الصعوبات الكامنة في التقاط الإشارات الضعيفة المرتبطة بالكلام المتخيل وتباين قدرات التحكم الفردية.
الطرق
في هذه الدراسة، شارك المشاركون في نموذج تجريبي منظم على مدى خمسة أيام متتالية، حيث استمرت كل جلسة حوالي 2.5 ساعة، ليصل إجمالي الوقت التجريبي لكل مشارك إلى 12-13 ساعة. لتخفيف تأثيرات الساعة البيولوجية على الأداء، تم إجراء الجلسات في نفس الوقت يوميًا في بيئة خاضعة للرقابة. في كل يوم، قام المشاركون بأداء مهمة قياس الزمن العقلي تلتها جلسة تحكم في واجهة الدماغ-الكمبيوتر (BCI)، مع التركيز على تخيل مقطعين صوتيين، /fɔ/ و /gi/. تم اختيار هذه المقاطع لخصائصها الصوتية المميزة، بما في ذلك طريقة الحروف الساكنة، ومكان النطق، ومكان الحرف المتحرك، والتقريب، لتعزيز القدرة على التمييز بين إشارات EEG المرتبطة بتخيل كل مقطع صوتي.
تم توجيه المشاركين للتركيز على الأحاسيس الحركية لنطق المقاطع بدلاً من أشكالها السمعية أو المكتوبة، بما يتماشى مع الهدف الطويل الأمد لتطوير أنظمة BCI للكلام للأفراد الذين يعانون من إعاقات في الكلام. كان من المفترض أن يؤدي هذا النهج إلى استجابة عصبية متسقة عبر المشاركين، مما يسهل تحليلات EEG موثوقة. بالإضافة إلى ذلك، كان استخدام التخيل الحركي مفيدًا لأنه ينشط مناطق الدماغ السطحية، مما يجعلها أكثر وصولاً لقياسات EEG السطحية. في نهاية التدريب، أبلغ المشاركون عن استراتيجياتهم المستخدمة خلال جلسات BCI، مما يوفر بيانات نوعية لمزيد من التحليل.
النتائج
في قسم النتائج، استخدمت الدراسة نموذج مختلط خطي لتحليل تأثيرات التدريب على مدة المهمة في مهمة قياس الزمن العقلي عبر وضعين (التخيل والكلام) ومجموعتين من التغذية الراجعة (مستمرة وغير مستمرة). كشفت النتائج عن تفاعل كبير بين المجموعة والوقت، حيث أظهر المشاركون الذين تلقوا تغذية راجعة مستمرة انخفاضًا في مدة المهمة، بينما أظهر أولئك الذين حصلوا على تغذية راجعة غير مستمرة زيادة. على وجه التحديد، أظهرت مجموعة التغذية الراجعة المستمرة انخفاضًا خطيًا ذا دلالة إحصائية في مدة المهمة (F(1,59) = 10.76, p = 0.001, η² = 0.15)، بينما أظهرت مجموعة التغذية الراجعة غير المستمرة زيادة خطية (F(1,39) = 10.44, p = 0.002, η² = 0.21).
بالإضافة إلى ذلك، أشار تحليل الانحراف عن التزامن الزمني إلى زيادة خطية كبيرة عبر التدريب (التأثير الرئيسي للتباين المخطط: F(1,98) = 5.6, p = 0.019, η² = 0.05) وانحراف أعلى ذو دلالة هامشية في مجموعة التغذية الراجعة المستمرة مقارنة بالمجموعة غير المستمرة (F(1,23) = 3.96, p = 0.058, η² = 0.15). من الجدير بالذكر أنه بينما أظهرت مجموعة التغذية الراجعة غير المستمرة زيادة خطية كبيرة في الانحراف عن التزامن الزمني (F(1,39) = 5.25, p = 0.02, η² = 0.12)، لم تظهر مجموعة التغذية الراجعة المستمرة ذلك (F(1,59) = 2.46, p = 0.12, η² = 0.04). أخيرًا، لم يتم العثور على أي ارتباطات ذات دلالة بين أداء التحكم في BCI والانحراف عن التزامن الزمني، سواء من حيث انحدارات التعلم (r = 0.051, p = 0.81) أو متوسط الأداء عبر أيام التدريب (r = -0.08, p = 0.69).
المناقشة
في هذه الدراسة، شارك خمسة عشر مشاركًا صحيًا (متوسط العمر 23.9 سنة) في سلسلة من التجارب لتقييم مهاراتهم في تخيل الحركة في سياق التحكم في واجهة الدماغ-الكمبيوتر (BCI). استخدمت الأبحاث اختبار قياس الزمن العقلي لتقييم توقيت تخيل الكلام وعلاقته بأداء BCI، مما يمثل تطبيقًا جديدًا لهذه المنهجية في مجال الكلام. تم توجيه المشاركين إما لتكرار بصوت عالٍ أو لتخيل بصمت نطق مقطعين صوتيين، مع تسجيل توقيتهم لتحليل العلاقة بين تخيل الكلام والتحكم في BCI. تم جمع بيانات EEG و EMG لمراقبة النشاط العصبي والعضلي، على التوالي، خلال المهام، مع التأكد من بقاء المشاركين ثابتين لتجنب الحركات المربكة.
شمل تدريب BCI جلسات غير متصلة بالإنترنت وأخرى متصلة بالإنترنت، حيث تخيل المشاركون نطق المقاطع الصوتية بينما كان مصنف يقوم بفك شفرة إشارات EEG الخاصة بهم في الوقت الحقيقي. استخدمت الدراسة خوارزمية الغابة العشوائية للتصنيف، وتم تقييم الأداء من خلال دقة التحقق المتقاطع. أظهرت النتائج زيادة خطية كبيرة في أداء BCI على مدى خمسة أيام تدريب، مما يشير إلى أن المشاركين قد حسّنوا تحكمهم في BCI مع الممارسة. بالإضافة إلى ذلك، كشف تحليل ميزات المصنف عن رؤى حول مناطق الدماغ وأشرطة التردد الأكثر تأثيرًا في التحكم في BCI، مما يبرز العلاقة المتطورة بين النشاط العصبي والأداء طوال فترة التدريب. تؤكد النتائج على إمكانية استخدام تخيل الكلام لتطبيقات BCI وأهمية فهم التباين الفردي في توقيت التخيل لتحسين أداء BCI.
DOI: https://doi.org/10.1038/s42003-025-07464-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39979463
Publication Date: 2025-02-20
Author(s): Kinkini Bhadra et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
This section discusses the potential of Brain-Computer Interfaces (BCIs) to transform communication for individuals with severe speech impairments. The study involved training 15 healthy participants to control a binary BCI system using electroencephalography (EEG) signals through syllable imagery over five days. Results indicated a significant overall improvement in BCI control, despite variability among participants. The necessity of continuous feedback for effective learning was established, with performance enhancements linked to increased frontal theta activity and localized low-gamma activity in the temporal region, suggesting that learning to operate a BCI involves complex neural dynamics across different spectral scales.
The paper highlights the challenges in decoding imagined speech, particularly for individuals with neurological disorders affecting language production. While advances have been made in decoding attempted speech from intracranial recordings, these methods may not be suitable for conditions like post-stroke expressive aphasia. Instead, the focus should shift to decoding imagined speech, which does not rely on the musculoskeletal system. The study emphasizes the importance of real-time feedback for users to optimize their neural activity for better BCI control, addressing the inherent difficulties in capturing the weak signals associated with imagined speech and the variability in individual control capabilities.
Methods
In this study, participants engaged in a structured experimental paradigm over five consecutive days, each session lasting approximately 2.5 hours, totaling 12-13 hours of experimental time per participant. To mitigate circadian effects on performance, sessions were conducted at the same time daily in a controlled environment. Each day, participants performed a mental chronometry task followed by a brain-computer interface (BCI) control session, focusing on the imagery of two syllables, /fɔ/ and /gi/. These syllables were selected for their distinct phonetic features, including consonant manner, place of articulation, vowel place, and rounding, to enhance the discriminability of EEG signals associated with each syllable’s imagery.
Participants were instructed to concentrate on the kinesthetic sensations of articulating the syllables rather than their auditory or written forms, aligning with the long-term goal of developing speech-BCI systems for individuals with speech impairments. This approach aimed to elicit consistent neural responses across participants, facilitating reliable EEG analyses. Additionally, the use of kinesthetic imagery was advantageous as it engages more superficial brain areas, making them more accessible for surface EEG measurements. At the conclusion of the training, participants reported their strategies used during the BCI sessions, providing qualitative data for further analysis.
Results
In the results section, the study employed a linear mixed model to analyze the effects of training on task duration in a mental chronometry task across two modalities (imagery and speech) and two feedback groups (continuous and discontinuous). The findings revealed a significant interaction between group and time, with participants receiving continuous feedback showing a decrease in task duration, while those with discontinuous feedback exhibited an increase. Specifically, the continuous feedback group demonstrated a statistically significant linear decrease in task duration (F(1,59) = 10.76, p = 0.001, η² = 0.15), whereas the discontinuous feedback group showed a linear increase (F(1,39) = 10.44, p = 0.002, η² = 0.21).
Additionally, the analysis of the deviation from isochrony indicated a significant linear increase across training (main effect of Planned Contrast: F(1,98) = 5.6, p = 0.019, η² = 0.05) and a marginally significant higher deviation in the continuous feedback group compared to the discontinuous group (F(1,23) = 3.96, p = 0.058, η² = 0.15). Notably, while the discontinuous feedback group showed a significant linear increase in deviation from isochrony (F(1,39) = 5.25, p = 0.02, η² = 0.12), the continuous feedback group did not (F(1,59) = 2.46, p = 0.12, η² = 0.04). Lastly, no significant correlations were found between BCI-control performance and deviation from isochrony, both in terms of learning slopes (r = 0.051, p = 0.81) and average performance across training days (r = -0.08, p = 0.69).
Discussion
In this study, fifteen healthy participants (mean age 23.9 years) were engaged in a series of experiments to evaluate their motor imagery skills in the context of brain-computer interface (BCI) control. The research utilized a mental chronometry test to assess the timing of speech imagery and its correlation with BCI performance, marking a novel application of this methodology in the speech domain. Participants were instructed to either overtly repeat or covertly imagine pronouncing two syllables, with their timing recorded to analyze the relationship between speech imagery and BCI control. EEG and EMG data were collected to monitor neural and muscular activity, respectively, during the tasks, ensuring that participants remained still to avoid confounding movements.
The BCI training involved both offline and online sessions, where participants imagined syllable pronunciation while a classifier decoded their EEG signals in real-time. The study employed a random forest algorithm for classification, with performance assessed through cross-validation accuracy. Results indicated a significant linear increase in BCI performance over the five training days, suggesting that participants improved their control over the BCI as they practiced. Additionally, the analysis of classifier features revealed insights into the brain regions and frequency bands most influential in BCI control, highlighting the evolving relationship between neural activity and performance throughout the training period. The findings underscore the potential of using speech imagery for BCI applications and the importance of understanding individual variability in imagery timing for optimizing BCI performance.