美国
高校
2026 年 9 月
2026 年 7 月
SpikeCleaner算法以97%准确率自动标注神经单元质量，减少人工筛选
密歇根大学安娜堡分校的研究人员开发了一种名为SpikeCleaner的算法，用于在自动尖峰排序后标注神经单元的质量。该算法结合放电率、放电时间指标和波形特征，将单元分类为良好、噪声和多单元活动，旨在减少人工筛选的工作量并提高数据质量。在基准测试中，SpikeCleaner对单个单元的分类准确率达到97%，F1分数为92%。
2026 年 6 月
肌肉协同压缩数据不伤精度，但也没换来更好的解码
该研究在非人灵长类二维手指任务的植入式脑机接口（iBMI）数据上，评估脑肌协同能否提升解码性能与泛化。研究背景指出，大脑通过肌肉协同简化高自由度运动，协同此前已通过主成分分析（PCA）、非负矩阵分解（NMF）与去混合PCA（dPCA）等降维技术研究，并在非侵入性应用中用于降噪与改善离线解码稳定性，但其对植入记录的改善效果尚不明确。研究测试PCA、dPCA与NMF压缩去噪脑肌数据并改善跨任务泛化的效果，结果显示所有方法都能以最小解码精度损失有效压缩数据，但均未通过去噪提升性能或增强跨任务泛化。作者认为，仅提取协同并未为线性解码提供更优或更干净的控制空间，需更大样本与更多肌肉通道的进一步研究。