Kilka ostatnich badań wykorzystało dane z populacji, którą rejestrowali z kory, służące do oszacowania bodźca wejściowego używając metody mapowania  w przeciwnym kierunku (tzn. z informacji neuronowych z powrotem          do bodźca) (Rieke et al. 1995; Stanley et al. 1999; Mesgarani et al. 2009; Pasley et al. 2012; Zion Golumbic et al. 2013). Ta metoda bodziec-odbudowa okazała się być znakomicie czuła na selektywną uwagę w środowisku wielu mówców  (Ding and Simon 2012a, 2012b; Zion Golumbic et al. 2013).
Na przykład jedno takie badanie wykazało, że zrekonstruowane widma mowy z odpowiedzi z powierzchni kory na mieszankę mówców były zdominowane przez spektrum i tymczasowe cechy uczestniczącego mówcy, były tylko słabo skorelowane z zautomatyzowanym mówcą
(Mesgarani and Chang 2012) .  Chociaż jest to ważny wgląd w to w jaki sposób korowa reprezentacja mowy wywołuje wzrost na percepcję istotną dla zamierzonego celu słuchacza, inwazyjne nagrywanie jest tylko możliwe w przypadku słuchaczy poddawanych leczeniu klinicznemu i jako takie nie jest odpowiednie dla wielu populacji, w których chcieliby uczyć selektywnej uwagi na mowę. Ponadto, relatywnie lokalny charakter nagrań powierzchniowych może nie być optymalny do oceny w jaki sposób selekcja uwagi na mowę działa w całej hierarchii przetwarzania dźwięku (Power et al. 2012) . Zastosowanie magnetoencefalografii (MEG), która jest bardziej ogólną miarą aktywności korowej, (Ding and Simon (2012a)) wykazało, że odpowiedzi na jednorazową mieszaninę mowy mogą być dekodowane w celu oszacowania obwiedni wejściowego strumienia mowy, i że to oszacowanie zazwyczaj ma większą korelację z rozmową, w której uczestniczysz niż z tą, w której nie uczestniczysz.   Podczas gdy  jest to potężny i ważny wynik to koszt, brak przenośności i względna rzadkość urządzeń rejestrujących MEG powodują, że badania dotyczące populacji są dość trudne. Byłoby zatem niezwykle przydatne, gdyby taka przystępność dekodowania mogła być stosowane z danymi EEG. Ta technologia jest tańsza, rozleglej dostępna, łatwiejsza w użyciu w wielu specyficznych kohortach i może być zintegrowana z codziennymi urządzeniami, co czyni ją realistyczną opcją dla interfejsu aplikacji komputerowego mózgu (BCI). Ponadto EEG jest wrażliwe zarówno na statyczne jak promieniowe komponenty korowych źródeł prądu, podczas gdy MEG jest tylko wrażliwy na statyczne komponenty. Sugeruje to, że EEG może być wrażliwe na ważne aspekty aktywności elektromagnetyczne mózgu, które mogą nie być dobrze wychwytywane przez MEG. Na przykład, EEG wykazuje wiele elementów związanych z uwagą, które nie są wyraźnie wykrywane za pomocą MEG (Näätänen 1992; Kahkonen et al. 2001).