要旨: 頭皮EEGから音声情報を復号することは、低いSNRと空間的なぼけのために依然として困難です。本研究では、(i) ERP特徴と(ii) ブロードバンドDDA係数を用いるデュアル経路モデルであるCIPHER（Conformer-based Inference of Phonemes from High-density EEG Representations）を提示します。OpenNeuro ds006104（24名の参加者、TMSが併用された2つの研究）において、二値の調音課題はほぼ天井水準の性能に到達しますが、強く交絡に脆弱です（音響的開始時刻の分離可能性と、TMSターゲットのブロッキング）。主要な11クラスCVCフォノム課題において、Study 2の完全なLOSO（16名の非重複被験者）を行うと、性能は大幅に低下します（実単語W ER: ERP 0.671 +/- 0.080、DDA 0.688 +/- 0.096であり、微細な弁別可能性が限られていることを示します）。したがって、本研究はEEGからテキストへのシステムというよりも、ベンチマークおよび特徴比較の研究として位置づけ、神経表現に関する主張は交絡を制御した証拠に限定します。
CIPHER：高密度EEGからの音素推定におけるConformerベース推論
arXiv cs.AI / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 研究では、高密度スキャルプEEGから音声（特に音素）情報を推定する課題に対し、ERP特徴とブロードバンドDDA係数の2経路を用いたConformerベースのモデルCIPHERを提案しています。
- OpenNeuroのds006104（24名、2つのTMS併用研究）での二値の調音タスクは高精度（ほぼ天井）ですが、音響オンセットの分離やTMSターゲットのブロッキングなどの交絡に非常に影響されやすいことが示されています。
- 主要な11クラスのCVC音素タスクでは、Study 2のLOSO（16名ホールドアウト）において音素識別のきめ細かさが限定的で、実単語WERがERPで0.671±0.080、DDAで0.688±0.096と大きめでした。
- 著者らは本研究を「EEGからテキスト化するシステム」ではなく、ベンチマークと特徴（表現）の比較の位置づけとし、交絡を制御した証拠に限定して神経表現の主張を行うとしています。
