脑机百科消息(bciwiki.com)，一项新研究提出一种可解释的脑机接口（BCI）框架，将情感状态识别与脑电（EEG）信号解码相结合，用于实现情感感知的意念转语音（thought-to-speech）。该研究由Abhimanyu Singh和Edith Paulin S完成，发表于2026年8月24日的《International Journal For Multidisciplinary Research》。
该框架整合了先进的EEG预处理、时空特征表示、注意力引导的神经学习和可解释性模块，能够识别影响每次预测的神经特征和皮层区域。情感状态估计与言语意图解码相结合，生成的语音反映了上下文表现力，增强了人机交互的自然性和有效性。
研究在公开的想象语音EEG数据集上进行了测试，采用受试者独立设置，评估了分类准确率、精确率、召回率、F1分数、推理速度和可解释性。结果显示，与传统不透明模型相比，该方法持续提升了解码可靠性，并提供了清晰、具有临床意义的见解。
研究作者表示，通过同时处理言语意图、情感细微差别和模型透明度，这项研究推进了可信赖的下一代脑机接口的发展，并为瘫痪、肌萎缩侧索硬化症、闭锁综合征等影响自然言语的患者提供了辅助沟通工具的实际基础。