BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

一项已启动的随机临床试验将比较持续神经反馈与任务对错反馈，考察哪种方式更有助于亚急性左半球卒中成人学习控制运动想象脑机接口。研究在阿根廷开展，预计纳入20人，目前按邀请方式招募。参与者将随机分组，接受脑机接口校准及10次实时训练，训练期间记录脑电和表面肌电信号。研究将结合解码准确率、算法提供的辅助程度，以及运动和神经生理指标，评估系统用于上肢康复的可行性与性能。目前尚无结果，不能据此认定持续神经反馈能改善控制能力或上肢功能。

把脑机接口计算从云端移到设备端，仍需在能耗、响应延迟和准确性之间取舍。一篇系统性综述梳理了用于脑机接口的边缘AI加速器，强调算法与芯片应协同设计：既要减少模型计算负担，也要降低数据搬运带来的开销。综述讨论了算法压缩、存内计算和类脑计算架构等路线，并将设备端自适应学习列为应对不同使用时段神经信号变化的重要机制。作者还提出结合隐私保护硬件与多模态传感器融合；这些属于技术发展方向，并非已经验证的临床效果或安全性结论。

运动想象脑机接口通过解码想象动作时的神经信号，让大脑与外部设备通信。一篇综述梳理了这类技术在卒中、脊髓损伤及虚拟现实康复中的应用，重点讨论其与脑电、神经反馈、功能性电刺激、机器人设备和人工智能的整合。文章指出，信号中有效信息相对噪声较弱、个体差异较大及训练耗时较长，仍是应用面临的难题。作者将深度学习、可穿戴设备、个性化康复方案和临床验证列为后续发展方向。文章属于技术与应用综述，不是一次新的临床疗效试验。

研究人员开发了一种包含24,576个电极的可重构微电极阵列芯片，在同一硬件平台上支持神经递质相关的化学传感和神经电流记录。实验展示了单电极电化学传感、配制溶液中的多巴胺定量检测，以及动态电化学成像；研究还从原代神经元记录到自发的细胞外生物电流。化学记录和电记录分别支持24和384个同时输出通道，并非全部电极同时读出。作者认为，这一平台可用于研究生物神经网络中化学信号与电信号的相互作用；现有结果属于样本和细胞层面的验证。

研究人员提出一种上肢运动想象脑电解码框架，在三个数据集上检验模型对不同受试者的适用性。该方法结合电极之间的连接关系、人工设计的时频特征和空间、时间特征学习。在PhysioNet数据集的三个上肢类别任务中，使用5个电极时，留一受试者验证准确率为96.01%；在BCI IV-2b数据集上，使用3个电极时，同一验证方式的准确率为93.35%。作者报告，该方法与代表性图方法相比表现具有竞争力，同时需要更少的可训练参数和脑电电极。这些结果来自数据集评估，不等于已验证在线控制或临床应用效果。

把植入体设计成由活细胞组成的功能性组织，而不只是连接神经的电极，是一篇视角论文提出的神经假体构想。作者将其称为Cybertissue Neuroprosthetics，目标是让植入体与宿主神经系统在结构和功能上整合，实现长期神经调控与信息交换。该构想可按需加入少量纳米电子器件、纳米材料或基因修饰，并尝试减少异物材料、利用细胞自身的信号机制。作者希望借此应对长期植入中的界面退化问题，但“终身整合”仍是目标，不是已经实现的器械性能或临床结果。

研究人员将想象说话时的脑电信号与文本的语言表示对齐，希望在识别固定意图之外，利用不同表达之间的语义关系。研究在Chisco想象语音数据集的5名受试者、39个意图类别上评估了这一框架，解码表现与针对该任务优化的闭集分类器相当。脑电与文本的最大相似度还能筛选出Top-1和Top-5准确率更高的留出试验子集。五个语义维度的平均一致率均高于50%的机会水平参照；对未见候选句子的比较则属于定性展示，不能据此认定系统已能自由读取任意想象语句。