其他行业 · AI应用
从脑电信号生成语音
加州大学旧金山分校的研究人员开发了一种深度学习方法，用于解码脑信号（皮层脑电图）并将其转换为语音，以帮助因神经系统疾病而失去说话能力的人。他们训练了一个循环神经网络，将参与者的皮层信号与他们大声朗读句子的声音关联起来，将大脑模式与嘴唇、舌头、喉部和下颌的运动联系起来。在测试中，101名参与者中有70%的合成单词被理解。这项研究首次实现了从个体大脑活动中生成完整的口语句子，为因中风或帕金森病等疾病导致失语的患者开辟了临床应用前景。
开发了一种深度学习方法，用于解码脑信号并将其转换为语音，帮助因神经系统疾病而失语的人。
未披露
首次实现了从个体大脑活动中生成完整的口语句子。
未披露
在101名参与者的测试中，70%的合成单词被理解。
未披露
01
业务背景
加州大学旧金山分校的研究人员开发了一种深度学习方法，用于解码脑信号（皮层脑电图）并将其转换为语音，以帮助因神经系统疾病而失去说话能力的人。他们训练了一个循环神经网络，将参与者的皮层信号与他们大声朗读句子的声音关联起来，将大脑模式与嘴唇、舌头、喉部和下颌的运动联系起来。在测试中，101名参与者中有70%的合成单词被理解。这项研究首次实现了从个体大脑活动中生成完整的口语句子，为因中风或帕金森病等疾病导致失语的患者开辟了临床应用前景。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一种深度学习方法，用于解码脑信号并将其转换为语音，帮助因神经系统疾病而失语的人。：
首次实现了从个体大脑活动中生成完整的口语句子。：
在101名参与者的测试中，70%的合成单词被理解。：
该研究为中风或帕金森病等疾病导致失语的患者开辟了临床应用前景。：
使用了循环神经网络和先进技术，包括NVIDIA Tesla GPU、Keras和TensorFlow。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。