北京工业大学

北京工业大学等研究者提出REFS方法，在部分情感标签缺失时，从多类脑电特征中筛选用于多维情感识别的信息。该方法一边重建不完整的情感标签，一边减少所选特征间的冗余，旨在缓解高维特征与高质量样本较少带来的建模困难。在脑电通道配置不同的DREAMER、DEAP和HDED三个数据集上，研究设置了不同标签缺失比例。结果显示，REFS在这些条件下的脑电情感特征筛选稳健性均优于所比较的13种先进方法。这些发现来自数据集评估，不等同于实际情感脑机接口部署效果已获验证。

该研究记录大鼠在改良T迷宫中执行连续空间决策任务时的海马CA1群体活动，将决策过程划分为启动、奔跑与接近三个阶段，考察局部与前瞻性空间表征的动态演化。结果显示，中央臂位置细胞随动物接近选择点呈现递增的轨迹依赖性，局部theta序列一致性地过度表征实际选择；由选择臂位置细胞驱动的前瞻性表征则从奔跑期优先预测实际选择，过渡到接近选择点时更均等地表征潜在路径。整合局部与前瞻性特征改善了解码性能，未来选择预测在测试试验中达到74.4%准确率，即将进行的轨迹解码在样本试验中达到78.2%准确率。作者认为，纳入海马时空特征可改进行为解码，并为基于海马预测未来决策的认知脑机接口提供框架。