UCSF 团队在 Nature Neuroscience 发表研究，用单块皮层植入体同时解码语音与手势
加州大学旧金山分校（UCSF）团队在 Nature Neuroscience 发表研究，用一块植入感觉运动皮层上方的高密度电极阵列，把神经信号解码为文字和虚拟化身的手势动作。
推荐理由：原文给出 3 名受试者、语音与手势同时解码的准确率，读者可据此判断单块皮层植入体同时承载两类沟通信号的研究阶段。
#论文/研究
News of Bahrain精选AI 评分7676 TradingView精选AI 评分6060 CorTec 公布硬膜外 µECoG 电极在非人灵长类中稳定记录超四年
CorTec 公布经同行评议的临床前数据，其硬膜外 µECoG 电极在两只非人灵长类中稳定记录神经信号超过四年，其中仍在研究的一只 64 个触点中 63 个持续有效。
推荐理由：原文给出非人灵长类 4 年以上的电极信号稳定性数据，读者可据此判断硬膜外 µECoG 路线在长期植入上的可行性。
arXiv cs.LG + cs.RO + cs.HC精选AI 评分6060 BrainPro：按实验范式条件化预训练的大规模 EEG 模型
研究团队提出 BrainPro，一个将电极布局映射到统一通道-脑区模板、并按实验范式线索条件化分支激活与掩码重建的 EEG 自监督预训练框架。该方法在 9 个公开 BCI 基准上取得较强表现，消融与通道缺失分析显示地形检索与过程条件化表示学习共同提升解码效果。论文已被 NeurIPS 2026 接收，代码已公开。
推荐理由：论文提出按实验范式条件化的 EEG 预训练框架，并在 9 个公开 BCI 基准上做了对比与消融，可供关注 EEG 大模型路线的人参考。
arXiv cs.LG + cs.RO + cs.HC精选AI 评分6060 BrainCodes：基于离散神经编码的轻量 EEG 基础模型
作者提出 BrainCodes，一个在超过 800 小时、1000 余名受试者记录上自监督预训练的轻量 EEG 基础模型。该模型结合量化神经分词器与支持任意电极配置的时空编码器，在睡眠分期、注意力评估和认知负荷估计等任务上达到或超过现有水平，可训练参数最多减少 97%。
推荐理由：论文给出 800 小时预训练数据和可训练参数减少 97% 的对比，读者可据此判断轻量 EEG 基础模型的落地空间。
Journal of Neural Engineering精选AI 评分6060 Precision Neuroscience 的 4096 通道 μECoG 用于术中中央沟定位
研究团队在 1 例 56 岁男性右侧大脑镰旁脑膜瘤切除术中，使用 4 块 Precision Neuroscience Layer 7 μECoG 阵列（每块 1024 个铂电极、电极间距 400 μm）完成术中感觉运动皮层映射。
推荐理由：原文报告了 4 块 Layer 7 阵列在 1 例脑膜瘤切除术中的术中映射结果，读者可据此了解高密度 μECoG 在标准神经外科流程中的实际表现。
公众号：脑机接口产业联盟精选AI 评分6666 MAPA 方法将颅内脑电解码标注试验从约 3500 次降至约 164 次
Ben Tang、Zachary Spalding 和 Gregory B. Cogan 提出 MAPA 方法，在 Neuroprobe 基准的跨受试者测试中把所需带标注试验从约 3500 次压到约 164 次，减少九成以上。该方法基于掩码自编码器，并加入解剖区域嵌入和相对位置编码两种空间编码来应对电极布局与脑解剖的个体差异。研究为预印本，尚未经同行评审，代码已在 GitHub 公开。
推荐理由：预印本给出跨受试者标注需求从约 3500 次降到约 164 次的结果，可据此判断自监督预训练在颅内脑电解码上的位置。
公众号：脑机接口社区精选AI 评分7474 清华戴琼海团队在 Nature 发表 1 克无线介观显微镜 Airscope
清华大学戴琼海院士团队联合解放军总医院等单位在 Nature 发表论文，发布约 1 克的无线介观显微镜 Airscope，在 6 毫米视场内以每秒 12.5 帧跨 14 个脑区记录 8500 多个神经元。
推荐理由：论文给出 1 克显微镜的视场、分辨率、数据压缩比和多鼠同步记录规模，可据此判断自由活动动物大规模神经记录的工具水平。
arXiv cs.LG + cs.RO + cs.HC精选AI 评分6262 Brain-OF：联合预训练 fMRI、EEG 和 MEG 的全功能脑基础模型
研究团队提出 Brain-OF，一个在 fMRI、EEG 和 MEG 上联合预训练的全功能脑基础模型，可在统一框架内处理单模态和多模态输入。
推荐理由：该预印本把 fMRI、EEG 和 MEG 放进同一个基础模型，并公开代码与权重，读者可据此判断多模态神经影像预训练的整合路径。
公众号：脑机接口社区精选AI 评分7575 Precision Neuroscience 基于 70 名患者数据发布神经系统电生理图谱
Precision Neuroscience 基于前 70 名患者、87,342 个电极位点和超过 180 小时记录，构建了覆盖运动感觉皮层、语言区、听觉区及脑干脊髓的电生理图谱，相关论文已于 9 月 24 日发布在 bioRxiv 且尚未经同行评审。
推荐理由：原文把 Precision 的广度路线与 Neuralink 的深度路线并置，读者可据此理解两家公司数据资产结构的差异与各自约束。
Neuralink精选AI 评分7878 Neuralink 用 5 万小时无标注脑数据预训练解码器，实现 11.32 BPS 传输
Neuralink 介绍其自监督编码器在 50,000 小时无标注脑数据上预训练，使神经解码器无需重新校准即可持续工作数周。该方案还实现了 11.32 BPS 的传输速率。
推荐理由：Neuralink 公开了用 5 万小时无标注脑数据预训练自监督编码器的做法，读者可据此了解解码器免校准的路线。
Blackrock Neurotech精选AI 评分8383 研究：皮层内微刺激在人体中实现长达 10 年的安全触觉反馈
一项发表于 NCT01894802 早期可行性临床试验的研究评估了皮层内微刺激（ICMS）的长期安全性、有效性与持久性。5 名脊髓损伤受试者各植入两个 Blackrock NeuroPort 微电极阵列，累计植入时长 27 年、植入时间跨度 2 至 10 年，共施加超过 1.68 亿次 ICMS 脉冲，未出现严重不良事件，也未对电极健康造成直接负面影响。
推荐理由：5 名受试者、累计 27 年植入时长与 1.68 亿次刺激脉冲，为皮层内微刺激恢复触觉的长期安全性提供了人体数据。
Blackrock Neurotech精选AI 评分6767 Blackrock 介绍端到端脑到文本接口 BIT：词错误率降至 10.22%
Blackrock Neurotech 介绍了一项预印本研究提出的端到端脑到文本框架 BIT，用单一可微神经网络把神经活动直接翻译成句子，词错误率从先前端到端方法的 24.69% 降至 10.22%。
推荐理由：BIT 把此前端到端方法的词错误率从 24.69% 降到 10.22%，并让尝试言语与想象言语的表征相互对齐。
已经到底了