想象发声时面部肌肉活动污染 EEG，并可用于情绪解码
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。
#AI 解码
Journal of Neural EngineeringAI 评分3838 Journal of Neural EngineeringAI 评分3838 CroP-DYNO：优先学习跨脑区共享动态的非线性建模框架
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。
Journal of Neural EngineeringAI 评分3838 分层图学习框架提升 VR 运动想象脑机接口解码
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。
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。
ParadromicsAI 评分1717 Paradromics 解析语音脑机接口：记录、解码与动作三阶段如何运作
Paradromics 拆解语音脑机接口从神经信号到出声的三阶段流程：记录、解码与动作。记录阶段采集并数字化神经元电信号，其信息量决定系统信息传输率上限；解码阶段先用机器学习模型识别约 40 个音素，再交由语言模型还原句子，模型越强准确率越高但延迟越大。语音脑机接口需接近自然对话约 160 词/分钟的速度，延迟是关键考量。
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。