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。
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。
清华大学戴琼海团队与解放军总医院戴朴团队合作研制出无线介观显微镜 Airscope,相关论文于 10 月 19 日登上 Nature。该设备重 1 克,可在 6 毫米视场内以单细胞分辨率记录小鼠大脑皮层神经活动,单只小鼠可同时记录 8500 多个神经元,为现有无线头戴式神经记录设备的 25 倍。
同一件事,精选收录的是《清华戴琼海团队在 Nature 发表 1 克无线介观显微镜 Airscope》
一项离线 EEG 研究提出 CEP-MI 范式,让受试者在倒计时内想象动作、随后短暂执行,并配套双分支网络 PGCANet。97 名健康受试者数据显示,该范式使 PGCANet 手部二分类准确率从 80.82% 升至 85.77%,足部任务从 80.00% 升至 82.06%。
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。
研究团队提出 NeuroCodec,一个在神经音频编解码器潜空间中运行的 EEG 引导目标说话人提取框架,通过图卷积建模 EEG 空间依赖,并用注意力机制与 Mamba 时序建模融合脑电和语音表征。
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。
研究用 mel 频谱、Gabor 滤波器组、语音存在、音素、句法、语义六类可解释特征及 Whisper、HuBERT、WavLM 的上下文嵌入构建线性编码模型,量化 ECoG 响应方差。方差分解显示,SFM 与大脑的对齐大部分可由其编码简单可解释语音特征的能力解释,且各层在低层与高层脑相关特征间存在系统性权衡。SFM 还学到低层特征无法解释的脑相关语义,该能力随模型规模和上下文长度提升。
昆明理工大学伏云发教授等构建了一套覆盖意图生成、神经编码、信号观测、统计解码与反馈调节全闭环的脑机接口理论体系,汇总 4 条科学假说、4 条神经科学原理、4 条基本定理与 8 条基本定律。
清华大学戴琼海团队与解放军总医院戴朴团队合作研发出无线介观显微镜 Airscope,相关论文 10 月 19 日发表于 Nature。该设备重 1 克,比已有最新头戴式介观显微镜轻 30% 以上,可在 6 毫米视场内以单细胞分辨率记录小鼠皮层神经活动,单只小鼠同时记录 8500 多个神经元,是现有无线头戴式显微镜的 25 倍。团队称其有望为光学脑机接口的大规模神经信号读取提供工具。
同一件事,精选收录的是《清华戴琼海团队在 Nature 发表 1 克无线介观显微镜 Airscope》
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。
清华大学戴琼海团队与解放军总医院戴朴团队合作研发出无线介观显微镜 Airscope,重量仅 1 克,可在 6 毫米视场内以单细胞分辨率记录小鼠皮层神经活动,相关论文 10 月 19 日发表于 Nature。
同一件事,精选收录的是《清华戴琼海团队在 Nature 发表 1 克无线介观显微镜 Airscope》
作者提出 CAPT,一个连续自回归群体 Transformer,通过连续 patch tokenization 直接建模钙成像轨迹,并以均方误差目标自回归训练。
Il Memming Park 等人在 arXiv 发表 Perspective,提出整合神经控制论模型,将大脑视为追求潜在目标的控制器,刻画脑、身体与环境的闭环耦合。作者主张用非线性状态空间模型结合元动力学扩展、可扩展推断与知识蒸馏,并混合开环与闭环训练,把目标从孤立预测神经记录转向推断支配神经与行为动力学的组织原则。
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。
研究团队提出基于扩散模型的 EEG 表征学习框架 EEGDM,通过结构化状态空间模型的扩散预训练(SSMDP)捕捉长程时间依赖,并用 Latent Fusion Module 融合多层潜特征。
研究者提出 Context-Aware Topological Distillation Graph Network(CTD-GNet),以 EEG 特征构成电极图节点,由眼动与历史窗口通过电极专属提示调节图的边、节点与读出。
研究提出 Dynamic State Filtering(DSF),把流式 EEG 空间超分辨率建模为序列状态滤波问题,用历史感知的动态分支与创新滤波分支分别处理状态预测和观测驱动修正。
研究团队在 arXiv 发布论文,系统比较了非侵入式神经解码中的六种多试次聚合策略,覆盖三个数据集、四项任务和两种组规模。作者提出的训练时 logit 平均在 7 个设置中的 6 个优于其他方法,并在 2025 PNPL 竞赛的音素分类设置上以平衡准确率领先竞赛冠军 17.4 个百分点。论文还把 logit 平均与联合集成训练联系起来,对后者表现不佳的既有解释提出质疑。
作者提出 NeuroAct,一个面向 EEG 分析与解码的自主研究代理框架,通过内环的研究、开发、评审角色与将结果蒸馏为条件化建议的外环协同工作。
一项 EEG 研究让 10 名健康受试者在 5 种阻力条件下完成单臂弯举,捕捉运动相关皮层电位与功率谱密度随阻力变化的差异。研究采用 Triplet Temporal Convolutional Network(TTCN)提取特征并结合 KNN 分类,受试者内留一试次评估准确率达 97.2%,留一受试者交叉评估最高 93.0%。
研究团队为 Llama-3.1-8B 的每一层各训练一个解码器,用 19 通道 EEG 在默读时解码词汇信息,发现词级可解码性在浅层达到峰值并随层数加深持续下降,而语境追踪成分随深度上升。作者用目标几何对照和跨运行预测置换对照排除了词解码副产物与会话特征的影响,认为单个 0.5 秒 EEG 窗口即可携带可被语境化目标吸收的篇章级信息。
一篇综述系统梳理脑到语言解码,覆盖侵入式与非侵入式测量,将 Articulated、Inner、Perceived 三类任务与其涉及的神经群体、可用表征和解码输出对应起来。文章比较了已发表性能与通信成本,指出共享表征可跨记录条件和任务复用,在线沟通还依赖校准、反馈与用户控制。综述还提出从指令、语言到意义、场景与双向认知交流的五级发展路径。
研究提出电极空间路由框架 TriRouter,通过判别保持、掩码鲁棒与潜在补偿三条路径,并依据可观测通道可用性由验证校准路由器分配各路径贡献。在 BNCI2014-001 上,其在标称 25%、50%、75% 缺失设置下分别比最强的受损 EEG 基线提升 3.68、4.02、6.46 个百分点,在结构化区域缺失和额外低通道数据集评估中仍有效。
GRAFT-EEG 用规范感知物理场迁移做跨数据集运动想象 EEG 解码,在 5 个留一数据集目标、253 名受试者上取得 60.865% 等目标平衡准确率,比 strict-clean 5/5 BIOT 的 52.684% 高 8.182 个百分点。
一项研究让 24 名 8-13 岁神经典型儿童在三种条件下完成 P300 脑机接口任务,评估将照片式视觉场景显示(VSD)用于儿童辅助与替代沟通的可行性。结果显示,不对称布局提高了额区与中央顶区 P300 波幅,场景条件增强了枕区 N170,离线 BCI 准确率在场景与网格条件间相近,受试者认为场景更具视觉吸引力。
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。
阿联酋大学团队提出 PQ-NeuroLink 框架,用 ML-KEM-768 与 ML-DSA 为脑机接口链路提供抗量子加密。在蓝牙式单跳配置下,混合后量子模式仅使 95 分位延迟增加 0.45 毫秒,同时保持 99.0% 丢包率表现。开销主要落在约 4.6 KB 的握手报文而非实时数据流,加密握手处理在测试主机上低于 1 毫秒。
Air University 团队在 Frontiers in Neuroergonomics 发表概念验证研究,用 fNIRS 区分健康人与踝关节损伤患者的静息、背屈和跖屈状态,并驱动外骨骼踝关节装置。
研究团队提出基于 QTPat 的自动化特征工程框架,用于对英语和土耳其语受试者的 EEG 记录进行受试者独立分类。实验使用 20 名英语受试者和 20 名土耳其受试者的 14 通道 EEG 数据,在留一受试者交叉验证下以 4 个选定通道达到 96.37% 分类准确率。作者指出数据集将语言与受试人群耦合,结果不能视为语言特异性神经解码的确证,需受试者内双语设计进一步验证。
Tether Evo 宣布三篇经同行评审的脑机接口论文分别被 Journal of Neural Engineering、Imaging Neuroscience 和 Neural Networks 接收,其中两篇与罗马第二大学(UniTOV)合作。
印度 SRM University-AP 团队提出一套轻量脑机接口解码框架,在 BCI Competition III Dataset IVa 上取得 93.67% 准确率,在四分类的 BCI Competition IV-2a 上取得 79.14%,模型仅约 12 万个可学习参数。
广东三九脑科医院与华南师范大学团队在 Frontiers in Neuroscience 发表系统综述与网络荟萃分析,纳入 22 项随机对照试验、共 956 例卒中患者,比较脑机接口训练中机器人、功能性电刺激、视觉和多模态四类反馈方式。
两项实验让受试者外显(n = 14)或想象(n = 21)发出愤怒、快乐、中性、悲伤、愉悦五类情绪声音,同时记录 64 通道 EEG。单试次 EEG 情绪解码准确率在外显发声为 78.1%(随机水平 20%),想象发声为 36.4%,高伽马频段(50 至 100 Hz)与 T7、T8 等侧向通道作用关键。
研究团队提出非线性动态框架 CroP-DYNO,优先学习跨脑区共享动态以避免区域内活动干扰,并支持各组件独立设定为线性或非线性。该方法仅用源区域活动即可实现时间因果与非因果推断,在跨物种、不同脑区数据集上预测目标神经群体活动的表现优于非优先和线性优先基线模型。CroP-DYNO 还能系统定位非线性结构,量化脑区间主导预测交互,其交互强度与已知环路解剖一致。
一项研究提出基于图卷积的双分支网络,用于上肢运动想象 EEG 的受试者无关解码,在 PhysioNet 数据集三类任务上,64、21、5 个电极的 SGKF 准确率分别为 86.42%、91.01%、93.91%,LOSO 准确率为 92.25%、95.72%、96.01%。
研究提出一种面向 VR 运动想象解码的分层图学习框架,用 MVMD 将 EEG 信号分解为节律成分并结合混合特征选择与相位锁定值构建功能脑网络,每个试次表示为稀疏图后由分层图卷积网络分类。在实验室采集的 VR 运动想象数据集上,该框架取得有竞争力的三分类准确率,优于 EEGNet 等基线模型。研究还发现 VR 动作观察联合运动想象可增强感觉运动连接并促进大尺度网络整合。
MIT 团队在 Nature Methods 发表研究,改造光片显微镜实现斑马鱼全脑电压成像,扫描速度达每秒 200 次(每 5 毫秒一次)。研究人员让幼虫斑马鱼神经元表达电压指示剂 Positron2-Kv,约四分之一神经元产生可用信号,可观测到单次电压锋电位和静息状态下的快速锋电位爆发。
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。
研究提出一种融合滑动窗口、傅里叶分解方法与 1D-CNN 的运动想象 EEG 分类框架,FDM 将信号分解为 8 个正交 FIBFs。在受试者依赖协议下,BCIC IV 2a 与 BCIC III IVa 数据集准确率分别为 79.14% 和 93.67%;LOSO 跨受试者协议下分别为 55.50% 和 76.49%。
一项研究让 30 名受试者佩戴 64 通道 EEG 阅读并评价 LLM 生成的问答对,按事后 5 点量表将试次重标为五种评价状态。结果显示满意时双侧额颞区 delta 功率在中后期持续增强,不满意时右额颞区 gamma 功率在早期被抑制。ShallowFBCSPNet 在受试者混合交叉验证下区分“非常满意”与“非常不满意”平均准确率达 81%,作者称其为可行性演示。