脑机百科消息(bciwiki.com)，研究人员利用生成对抗网络（GAN）从功能相关的皮层区域合成初级运动皮层（M1）的人工神经信号，用以扩充训练数据，使基于脑磁图（MEG）的手臂运动解码性能提高约10%（p < 0.05）。相关论文发表于2026年10月1日的《IEEE Transactions on Neural Networks and Learning Systems》，作者为Kim H与Kim JS（PMID 42821728，DOI 10.1109/tnnls.2026.3736056）。
论文指出，深度神经网络在脑机接口中应用日益广泛，但要构建能解码肢体运动学等连续动作的高自由度系统仍有困难，原因之一是单个神经信号数据集中与任务相关的特征有限。为此，研究团队提出GAN框架，合成M1信号波形以丰富训练特征，再由深度神经网络完成运动学解码。
实验采用受试者执行目标导向伸手够物任务时记录的脑磁图数据。结果显示，用GAN合成的M1信号扩充个体数据集后，解码性能显著提升约10%；即便没有真实的M1信号，性能提升依然保持。研究人员还将该方法推广到一个运动想象脑机接口竞赛数据集，以提高分类准确率。
作者认为，信号生成网络有望改进和增强运动脑机接口，帮助实现自由意图下的运动控制。