本研究探讨了通过非侵入性方法解码不同语音状态的挑战，包括感知、口头和想象语言。采用深度学习模型显著提高了神经信号解码的精度，尤其在γ频段表现突出。研究发现，想象语言在θ频段与其他状态存在显著差异，显示出广泛的应用潜力。

该文综述了利用深度学习从脑电、脑磁、fMRI等神经信号解码自然语言的研究进展，涵盖无创脑机接口、预训练语言模型和对比学习等方法，并指出数据污染会夸大模型性能，提出新的数据集划分方法以公平评估泛化能力。