Brain2Qwerty 是由 Meta AI 推出的一款非侵入性脑机接口（BCI）模型，能够通过脑电图（EEG）或脑磁图（MEG）信号解码打字内容。
一、主要功能
脑电波解码：能够将大脑活动信号转换为文本内容，帮助用户通过脑电波输入文字。
辅助交流：为运动或言语障碍者提供一种新的交流方式。
语言研究：帮助研究人员分析大脑语言处理机制。
二、技术原理
Brain2Qwerty 的架构分为三个主要模块：
卷积模块：提取 EEG 或 MEG 信号中的时间和空间特征。
变换器模块：处理输入的序列，优化理解和表达。
语言模型模块：预训练的字符级语言模型，用于修正和提升解码结果的准确性。
该模型通过这三个模块的协同工作，将大脑活动信号转换为文本内容。
三、应用场景
医疗康复：帮助中风患者恢复语言能力。
辅助交流：为四肢瘫痪患者提供与家人交流的工具。
科学研究：用于研究大脑语言处理机制。
四、使用方法
准备设备：准备脑电图（EEG）或脑磁图（MEG）设备，确保设备正常工作并连接到计算机。
安装软件：安装并配置 Brain2Qwerty 模型及相关软件。
记录信号：参与者在脑电或脑磁设备监测下，短暂记忆需要输入的句子。
模拟打字：参与者在 QWERTY 键盘上模拟输入句子，同时脑电或脑磁设备记录大脑活动信号。
解码输出：Brain2Qwerty 模型对记录的大脑活动信号进行解码，将解码结果输出为文本。
五、适用人群
运动障碍者：如四肢瘫痪患者。
言语障碍者：如中风后失语患者。
研究人员：研究大脑语言处理机制的科学家。
六、优缺点介绍
优点
非侵入性：不依赖植入式电极，避免了手术风险。
高准确率：使用 MEG 时字符错误率（CER）可低至 19%。
自然交互：利用自然的打字运动，更符合人类习惯。
缺点
设备限制：MEG 设备不便携且成本高昂。
实时性不足：目前需要处理完整句子，无法逐个按键实时解码。
适用性待验证：主要在健康参与者中测试，对障碍者的适用性仍需进一步研究。
七、分类标签
脑机接口、非侵入性、医疗康复、辅助交流、语言研究