Decoderen van ingebeelde spraak uit electrocorticografie

Technologie die hersenactiviteit in spraak omzet kan transformatief
zijn voor patiënten met ernstige spraakstoornissen. Indrukwekkende
resultaten werden bekomen met het decoderen van intracraniale
signalen, meer bepaald elektrocorticografie (ECoG), geregistreerd
tijdens uitgevoerde of waargenomen spraak. Doch om aan de noden
van deze patiënten tegemoet te komen zou de focus moeten liggen
op niet-gevocaliseerde spraak, ook ingebeelde of inwendige spraak
genoemd. Doch spijts intensief onderzoek blijft dit een ongrijpbare
uitdaging. We menen dat verdere ontwikkelingen worden belemmerd
doordat spraakdecoders offline, per subject en spraakmode worden
ontwikkeld, met als argument dat de acuut geïmplanteerde ECoG
electroden een klinisch doel dienen en dat de tijd voor experimenten
beperkt is. We stellen een nieuwe meerwegsdecoder voor die
rekening houdt met de niet-lineaire relatie tussen ECoG en
spraakkenmerken, die geschikt is voor online-applicatie, en die de
transfer van modelkennis faciliteert over spraakmodi en subjecten
heen. We gaan dan de decoder ontwikkeld via modeltransfer
gebruiken om auditieve feedback aan het subject aan te bieden
terwijl deze inwendige spraak probeert te genereren. We
hypothetiseren nl. dat inwendige spraak ook van het subject een
leerproces vergt. Wanneer dit project succesvol is kan het bijdragen
tot toekomstige ontwikkelingen gebaseerd op chronische implantaten
om te voorzien in de communicatienoden van patiënten met ernstige
spraakstoornissen.