脑机百科消息(bciwiki.com)，一个研究团队开发了名为BrainNet Studio的一体化脑网络分析工具包，集成27种算法，覆盖静态和动态脑网络分析。相关论文于2026年9月29日以预印本形式上传至arXiv平台，尚未经同行评审，据arXiv发布的信息，作者为Xiwei Zeng、Shengrong Li、Yiheng Liu、Chunwei Tian、Daoqiang Zhang和Qi Zhu。
脑网络刻画的是脑区之间在结构和功能上的关系。论文指出，脑网络的拓扑结构随时间变化，还存在高阶的时空依赖，传统静态网络难以充分表示；现有工具主要面向静态连接组，把动态网络建模与图学习、序列学习方法整合得不够。
据论文描述，BrainNet Studio提供统一的工作流程，包括网络构建、特征提取、预测建模、候选生物标志物识别、可视化和辅助解读。27种算法涵盖深度学习、图神经网络和时空序列模型，用于分类，以及识别有判别力的脑区和连接。工具包还用大语言模型在个体和群体层面生成功能连接、结构连接及结构—功能耦合的摘要，作者称这些摘要可由研究人员核查。
作者表示，用户可以在同一计算框架内配置分析任务、比较方法、检查输出并扩展功能，无需为每个应用反复搭建专门的分析管线。作者称该工具包可用于认知神经科学、脑疾病探索性研究和脑机接口领域的连接组分析，代码已在GitHub上公开。