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。
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。
一项基于 V1 简单模型构建的“虚拟患者”模拟,成功复现了一位皮层植入受试者绘制的多种光幻视形状。研究对比其绘图与预测图案后发现,部分电极的刺激可能激活多个位置,或与轴突激活有关。
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%。
一篇发表于 Bioelectronic Medicine 的文章回顾了已于 2025 年结束的 NIH SPARC 项目成果。该项目 2015 年启动,通过神经解剖图谱、自主神经记录与刺激工具及计算建模管线,降低了自主神经调控的技术门槛。文章强调其 FAIR 数据基础设施与仿真管线可缩短器械开发周期、降低迭代成本。
聚芯医疗联合广东省人民医院张弩教授团队完成一例介入式脑机接口支架电极羊模型植入实验,电极经血管送入上矢状窦,成功采集到稳定脑电信号,动物术后生命体征平稳。该系统包含自研支架电极、输送系统、无线传输模块与解码算法,并完成刺激闭环调控。介入式路线不开颅即可获得颅内级信号,但分辨率低于皮层内微电极,长期安全性仍待非人灵长类实验与人体临床验证。
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。
一项系统性综述梳理了健康与临床队列在静息态、事件相关电位(ERP)及运动想象、SSVEP 等 BCI 范式下的 EEG 变异性,发现受试者间差异通常大于受试者内波动,但两者都影响推断与模型泛化。
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。
烟台市科学技术研究所的 Jing Gao、Dong Lin 与 Jianfeng Hu 在 Frontiers in Neurorobotics 发表研究,提出 Neuro-Adaptive Learning Design(NALD)五阶段模型与配套的 E-NALD 伦理框架。
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。
一项单中心初步研究用正中神经近神经刺激(NNS)配合高密度 EEG,对 19 名持续意识障碍患者进行检测,并以 2 个月内临床诊断改善定义康复。由场强峰值与扰动复杂度指数组成的 NNS 综合指标区分慢性无反应患者的留一受试者交叉验证准确率为 94.7%,敏感度 100%、特异度 90.9%,优于表面皮肤刺激的 63.2%。研究者称 NNS 有望成为床旁工具,但结果仅为内部交叉验证,仍需外部验证。
一项计算建模研究用 MRI 有限元头部模型结合 NEURON 有髓感觉轴突模型,量化了临床 tACS 参数下 7 条三叉神经分支的激活阈值。在 F3–F4 与 Fp1–Fp2 两种电极布置下,40 Hz 及以上时部分分支阈值低于 2 mA,且 60 Hz 正弦波阈值始终低于 60 Hz 双相脉冲。
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。
一篇综述系统梳理了基于生物材料的中枢神经系统修复进展,聚焦神经结构物理重塑、靶向药物递送系统生化调控与细胞干预三大核心策略。文章还分析了当前阻碍临床转化的制造与监管瓶颈,并提出将神经类器官与脑机接口技术整合作为下一代智能神经修复材料的可能方向。
研究团队开发出以 CA3 局部场电位中 30–45 Hz 慢伽马相位为触发的闭环经颅超声刺激(TUS)系统。正常大鼠接受 14 天刺激后行为无组间差异,但峰值相位组任务相关 CA3-CA1 慢伽马相干性更高。APP/PS1 小鼠经 14 天峰值相位刺激后 Y 迷宫自发交替和新物体位置辨别改善,CA3-CA1 相干性等指标与行为得分正相关。
一项系统范围综述梳理了截至 2026 年 5 月 15 日的 178 篇文献、199 种单通道兼容 EEG 伪迹去除方法变体,其中 179 种在推理阶段无需参考信号。综述分析了 303 项学习型方法的模型-数据集评估,发现仅 31/303 明确将测试窗口、干净源与伪迹源同训练集分离,122/199 种变体无实测部署证据。
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。
研究团队提出闭环脑机接口 MetaIDNet,用高斯过程回归与神经网络改善基于 SSVEP 的色觉评估速度与准确率的权衡。离线实验 10 名受试者中评估速度提升 70% 且保持准确率,在线实验 8 名受试者中准确率提升 40% 且速度不变。
布朗大学、麻省总医院布莱根神经技术与神经康复中心及退伍军人事务部神经修复与神经技术中心的团队在 PNAS 发表研究,基于 BrainGate 临床试验中两名四肢瘫痪受试者植入运动皮层的微型电极阵列,记录其观看不同拟人程度动作时的单神经元活动。
研究在四个数据集、两种范式(运动想象与 ERP)和两种架构上,对 SSA、一阶 Taylor、L1 范数、几何中位数与随机五种滤波器重要性准则做了无泄漏的实体化比较。