/ EN

论文发表

257 条
2026 年 7 月

全高清脑成像视频数据集公开,脑活动可重建出动态人脸

研究者称,动态人脸重建的几何引导神经解码框架fMRI2Face于2026年7月24日以预印本形式上传至arXiv,尚未经过同行评审。研究发布全高清fMRI视频数据集fMRI-Face与几何引导神经解码框架fMRI2Face,均面向从fMRI重建动态人脸的问题。研究者称,fMRI2Face从脑活动中派生两个互补神经控制量,即脑源外观上下文与可变形3D面部控制,并通过带辅助潜变量补全的神经控制视频扩散,实现从脑活动直接重建高保真面部视频。

个性化脑机接口范式实现听觉频率辨别客观评估,11名健康参与者验证

传统听觉频率辨别测量依赖受试者的主动行为反应,易受主观因素干扰。基于脑机接口技术,研究者设计了个性化快速序列听觉呈现范式,招募11名健康参与者,提出多尺度时空双注意力网络(MS-STAMNet),用于弱听觉诱发反应的单试次解码。结果显示,MS-STAMNet的平均未加权平均召回率为(69.67±6.12)%,AUC为0.7618±0.07,优于EEGNet和PLNet等基线模型。回归分析显示神经解码与行为表现分离,表明模型能捕捉未触发显性意识的隐性频率偏差特征。

图像刚看完几秒,实时fMRI就解出了看的是什么

研究者称,一项用fMRI实时重建人类视觉感知的研究于2026年7月23日以预印本形式上传至arXiv,尚未经过同行评审。基于fMRI的实时闭环神经反馈已取得重要科学与临床进展,但实时fMRI的分析方法落后于fMRI解码的最先进水平,主要受计算因素制约,多数先进解码管线无法装进实时处理窗口。研究提出计算密集型最先进管线MindEye2的实时兼容改造版本,并证明该设置下仍可实现可靠的细粒度解码。研究者称,借助开源可扩展云平台RT-Cloud完成一次实时扫描,在图像呈现给受试者后数秒内解码单试次视觉感知,并用模拟分析记录了离线到实时性能变化的驱动因素。

脑电变异性越低表现越好,133人数据给出可解释指标

一项预印本研究提出一套可解释指标,分别量化脑机接口(BCI)相关脑活动在时间、空间和频率维度上的变异性,并在两个运动想象BCI数据集(共133名受试者)中考察这些指标与BCI性能的关系,通过受试者内与跨受试者分类实验进行验证。研究者称,在多数条件下观察到-0.2至-0.4的负相关,提示较低变异性与较高BCI性能相关;指标还显示深度学习与基于黎曼的分类器对变异性的稳健性存在差异,前者相关性更弱。该框架可在试验内、试验间与试验组间等多个层级量化变异性,为理解EEG变异性、评估分类器敏感性以及基于变异性设计更稳健的BCI提供了可解释工具。该研究为预印本,尚未经过同行评审。

小鼠运动皮层用S形机制编码速度,少数派神经元解码反而更准

研究者称,小鼠初级运动皮层以S形状态转换机制编码运动速度,由两个功能不同的神经元群实现,且该框架可扩展到局部场电位(LFP)频带功率。研究用慢性32通道层状阵列记录8只小鼠在电动跑台上的皮层外活动,共5,889个单单元、384通道,无监督聚类将单元分为速度正相关(70.8%)与速度负相关(29.2%)两组,两群共享约2.3米每分钟的速度阈值。解码方面,占少数的速度负相关神经元群经逆S形变换后解码精度显著更高,且跨动物泛化良好。研究者认为该发现为稳定、免标定的脑机接口设计提供启示。

新算法在脑机接口运动想象分类中兼顾高准确率与隐私保护

一项新研究提出一种混合马尔可夫链-空间统计(MCSS)机器学习框架,用于运动想象脑电信号的分类。该框架在BCI Competition III数据集IVa和IVb上,结合支持向量机对所有受试者取得高于98%的分类准确率,并通过将信号离散化为符号状态、构建转移概率矩阵,使原始神经波形难以被重建,从而保护隐私。研究还验证了对抗性成员推断攻击接近随机水平,特征反演攻击的重建相似度较低。

肌电信号接入混合脑机接口,把指令空间从15个目标扩到60个

一项新研究提出融合稳态运动视觉诱发电位(SSMVEP)和肌电(EMG)的混合脑机接口,通过并行架构将指令空间从15个目标扩展至60个,多模态信息传输率达62.33比特/分钟,优于单模态最高42.49比特/分钟。研究采用深度学习进行多模态信号解码,在保持分类精度的同时,为严重运动障碍患者提供了更易用的控制途径。

24次视觉引导脑机接口联合电刺激后,3名偏瘫患者上肢功能均有改善

一项病例报告显示,3名偏瘫卒中患者在常规康复之外接受视觉引导脑机接口(BCI)联合功能性电刺激(FES)训练,每周5次、共24次,仅当检测到运动想象相关脑电模式时才触发刺激。干预后,3名患者的上肢运动功能(Brunnstrom分期、Fugl-Meyer评分)和日常生活能力(Barthel指数)均有改善,尤其腕部和手部运动控制。研究作者提醒,这是初步结果,需更大样本的随机对照试验验证。

脑电分类装进纯逻辑电路,模型体积缩小14倍

一项预印本研究评估可微分逻辑门网络(Diff-Logic)作为资源受限脑机接口的低延迟EEG分类硬件方案,将模型编译为纯布尔电路。研究在4个EEG数据集、2类任务(二分类痴呆筛查与3分类情绪识别)上,将Diff-Logic与等容量的多层感知机(MLP)和二值神经网络基线进行对比。研究者称,Diff-Logic在痴呆筛查上取得80.2%的Macro F1,较MLP基线高6.8%;在功耗受限设备上部署时MLP延迟高2.3倍、模型体积大14倍,而Diff-Logic推理时间在模型规模扩大10倍时几乎不变。该研究为预印本,尚未经过同行评审。

术前多模态成像选好植入点,四肢瘫患者抓握解码准确率96%

该研究通过整合解剖、功能与血管成像及术前3D建模,为一例C5四肢瘫痪参与者的抓握相关运动解码优化皮层内微电极阵列植入位点。参与者接受解剖MRI、弥散加权成像与任务态fMRI,以识别抓握相关皮层区域并避开血管与言语关键区;Quicktome软件结合结构连接与功能激活数据细化靶区选择,3D打印颅骨与皮层模型支持术前规划,包括开颅与电极定位模拟。功能性成像识别出前顶内沟(AIP)、腹侧前运动皮层(PMv)与额下回(IFG)的抓握相关激活,最终选定AIP及PMv的6v与6r亚区。术后利用植入阵列在尝试性臂/手运动期间采集的神经数据验证电极放置,阵列实现高保真解码,联合分类准确率达96%。

脑电运动想象分类新算法:仅数千参数,准确率超80%

脑机接口(BCI)需要从脑电信号中识别用户的运动意图,但传统深度学习模型往往参数庞大、计算开销高。研究人员提出一种名为Ghost-LENet的轻量级卷积神经网络,在BCI Competition IV-2a和IV-2b数据集上分别达到82.18%和83.05%的分类准确率,而可训练参数仅数千。该模型结合膨胀时间卷积、平稳小波变换、动态残差融合与Ghost模块,在保持高精度的同时大幅降低模型复杂度,为资源受限的BCI应用提供了新方案。

多模态脑机接口飞行模拟实验:同步采集EEG、眼动、ECG与GSR

在伦敦大学学院与Tom Carlson教授合作的工作坊中,研究人员演示了在飞行模拟实验中同步结合脑电图(EEG)、心电图(ECG)、皮电反应(GSR)和眼动追踪。实验使用g.Nautilus 28通道无线EEG、ECG、GSR传感器和Tobii Pro Glasses 3眼动仪,实时同步采集多模态生物信号,监测两个完整飞行周期(起飞、自由飞行、着陆)中的心理负荷、参与度和心率变异性(HRV)变化。该设置可在30分钟内完成准备,参与者全程保持移动自由。

脑电控制智能家居报99%准确率,25名受试者数据验证

该研究提出并构建了一套基于增强脑电图(EEG)的智能家居脑机接口方案,使用25名受试者的运动想象EEG数据集(64通道BCI2000设备采集)。研究从CNN卷积层提取特征用于训练分类器,提出的支持向量机(SVM)、卷积神经网络(CNN)与线性判别分析(LDA)模型可去除导致误分类的过度噪声与重叠,并将选定特征分为不同类别,依据Arduino UNO可处理的类别数控制智能家居设备。三种模型的整体准确率分别为99%、96%和99%。作者认为,该运动想象EEG分类方案可用于通过脑电波控制智能家居,未来可能对老年人和行动不便者有帮助。

不到3克的结构光显微镜问世,自由活动小鼠也能实时神经解码

Beijing Normal University团队开发了一种重量低于3克的低成本结构光微型显微镜,利用Ronchi光栅与时分复用激发实现HiLo成像,可在自由活动小鼠中进行光学切片。研究显示,该系统能抑制离焦背景荧光,同时保留宽场微型显微镜的速度、视野与可及性,并支持多平面成像以增加可记录神经元数量。在海马记录中,基于感兴趣区域的信号质量和空间信息读取均得到改善。团队还展示了由快速在线信号提取和实时神经解码支持的概念验证闭环脑机接口。该研究为bioRxiv预印本,尚未经过同行评审。

脑瘫儿童脑控康复校准时间有望大幅缩短,跨被试学习准确率达91%

一项预印本研究提出,利用跨被试累计学习和迁移学习,可显著减少脑瘫儿童运动相关皮层电位(MRCP)脑机接口系统的校准需求。研究在4名脑瘫儿童的27次训练中评估了双向长短期记忆网络,发现跨被试累计学习在无需会话内校准的情况下达到91%的准确率,加入迁移学习后准确率升至93%,均优于传统校准策略。

N400时间窗影响语义神经解码

芬兰Aalto University团队在一项MEG词语启动实验中,把经典N400诱发反应与语义向量解码放在同一框架下比较。25名芬兰语母语者阅读语义相关程度不同的词组后,不相关启动词引发更高的N400反应,并为语义解码器提供了最佳训练样本。研究者称,语义信息从刺激开始后约100至500毫秒均可解码,但在N400峰值过后,脑活动不再稳定映射到与语境无关的语义向量。这项结果提示,N400时间窗结束可能标志着神经表征由词语特异信息转向更广泛语境。该研究为bioRxiv预印本,尚未经过同行评审。

开源实时脑机接口应用Dendrite发布,采集训练推理一站打通

一项预印本研究介绍Dendrite,一个开源的实时脑机接口Python应用(GPL-3.0许可),将多模态生理信号采集、解码器训练与实时推理整合在单一可修改应用中。Dendrite可同时以各自原生采样率记录多路信号并并发执行多种处理模式;解码器可从已训练模型开始或在管线运行期间实时拟合,同一批记录也可用于应用内的离线训练。每次记录、解码器与训练运行均在数据库中追踪,部署的解码器可追溯至其配置与训练来源;实验范式保持外部独立,通过网络与应用通信。研究者在内部与公开BCI数据集上对系统进行端到端验证,训练并实时更新解码器。该研究为预印本,尚未经过同行评审。

猴子伸手时额叶运动皮层的神经活动呈现时空异质性,研究为脑机接口植入定位提供参考

一项新研究揭示了猴子额叶运动皮层在伸手任务中神经活动的时空异质性,表明运动表征在不同皮层区域和深度上分布不均,这一发现可能为未来脑机接口植入的电极定位提供参考。该研究由华盛顿大学神经技术中心的研究团队完成,使用高密度层状微电极阵列记录了两只雄性猴子的神经活动。研究发现,目标方向信息在皮层表面和深度上呈异质性分布,不同神经群体的时间动态差异显著,但任务信息量可预测神经群体的动态相似性。这一发现凸显了运动表征的时空复杂性,有助于优化脑机接口植入策略。

没有学不会神经反馈的人,只有调不动的特征

该研究分析20名健康受试者在4次神经反馈训练中自我调节4种皮层节律的学习轨迹,分别考察频率与空间选择性,测试了额中线Theta、枕部Alpha、单侧中央颞感觉运动节律和中央Beta。结果显示所有受试者至少能自我调节其中2种特征,但无人成功调节额中线Theta;聚类分析识别出线性增减与非线性的平台型两类学习动态。作者认为,该结果表明“无法学习者”并非跨特征普遍存在的个人特质,并展示了神经自我调节的特定特征选择性,为未来神经反馈与脑机接口训练协议的设计提供了依据。

Blackrock NeuroPort阵列累计刺激1.68亿次,人体随访最长10年

一项早期可行性研究随访5名脊髓损伤参与者,每人感觉皮层植入两块Blackrock NeuroPort微电极阵列。2至10年植入期间,系统累计发送超过1.68亿次皮层内微刺激,总植入随访达到27年,没有报告严重不良事件或对电极健康的直接负面影响。到随访时仍有64%±13%的电极可稳定诱发触觉,其中1名参与者植入10年后仍有60%的电极有效。

感觉引导联合学习框架加速运动想象脑机接口技能习得

非侵入式脑机接口面临学习效率与控制精度挑战,尤其对无经验用户。一项新研究提出感觉引导的联合学习框架,将人类运动学习与自适应机器学习结合。在31名无经验参与者中,一维在线离散准确率达86.0%,二维达77.5%,连续控制准确率分别为77.5%和66.9%。触觉引导减少用户探索、加速神经适应,样本重加权使解码器更新与人类学习轨迹对齐。该框架将脑机接口训练从被动校准转变为主动的人机联合学习,为沟通与康复提供实用可扩展的神经接口。论文由卡内基梅隆大学团队完成,发表于《自然·通讯》。

MOJO框架让神经解码器在标签稀缺时更准,预印本研究覆盖猴、鼠与人

预印本研究提出MOJO训练框架,将掩码自编码与监督学习结合,用于脉冲级神经数据解码。在猴子运动皮层、小鼠多脑区记录及人类语音皮层脑电数据上,MOJO均优于纯监督训练模型,尤其在标签受限的少样本微调场景中提升明显。该方法还改善了神经元表征的可解释性,为利用无标签数据训练神经基础模型提供了新路径。该研究于2026年7月15日上传至arXiv预印本平台,尚未经同行评审。

琼脂加PVC仿出脑膜手感,体模让电极测试少用动物

该研究开发了一种可复现的多层脑模拟体模,用于复现啮齿动物软膜与硬脑膜在神经接口植入过程中的凹陷与破裂力性能,由0.5%琼脂皮层层、1.01%琼脂软膜层与预拉伸PVC硬膜层构成,可通过简便的台式流程组装。研究使用悬臂梁测力系统量化了直径12-100微米、不同材料(钨、不锈钢)与尖端几何的微丝及分段硅探针的破裂力与凹陷深度。结果显示,体模测试结果落在体内Sprague-Dawley大鼠数据范围内,且插入试验变异性显著低于体内试验;体模的模块化设计还可调节各层厚度与刚度,以适配不同物种或装置。作者认为,该体模可作为可重复、低成本的电极设计早期筛选平台,加速神经植入物开发并减少动物使用。
© 2026 BCIwiki.com 产业简报 主题索引 提交线索 订阅本站 修订记录 关于我们