AI 摘要Haast、Lau 等作者使用在体扩散 MRI 和数据驱动连接分析，识别出人类未定带（ZI）与新皮层之间的拓扑组织。结果显示，吻侧 ZI 主要与额极和腹侧前额叶皮层相连，尾侧 ZI 主要与初级感觉运动皮层相连，形成吻尾梯度；聚类与梯度方法还共同标定出与背侧前额叶皮层相连的 ZI 中央区域。这些结果在多个数据集和个体受试者层面可重复，作者据此讨论了该拓扑组织对细化神经调控靶点的影响。
AI 推荐理由：该研究用扩散 MRI 与数据驱动连接分析给出人类未定带与皮层的拓扑组织，为神经调控靶点细化提供解剖依据。
AI 摘要一项研究提出融合多尺度卷积神经网络与时序、通道注意力机制的深度学习网络，用于解码运动想象 EEG 信号，在三个公开 BCI 数据集上平均准确率分别为 80.21%（4 类任务）、90.19%（2 类任务）和 97.32%（4 类任务）。
AI 摘要研究团队开发了 Evoked-Ongoing/Induced Separator（EOIS）框架，可从单试次数据中分离事件诱发、持续和事件调制诱导活动。该方法利用 MEG 与实时 EEG 中不同成分的相位一致性特征，实现与被试无关的单试次时间序列分析，并将皮层反应变异性归因到具体成分。EOIS 有望用于生物标志物优化、药效学读出和闭环神经调控。
AI 摘要bioRxiv 预印本中，Matthew Chalk 提出一种从第一性原理推导的多尺度表征几何，用于刻画神经元在每一尺度上如何编码刺激差异。该方法与互信息精确对应，因此不依赖解码假设，刺激差异对信息贡献越大，几何拉伸越明显。作者将其应用于空间、运动和视觉编码，展示神经元如何组合编码信息、不同脑区有何差异以及哪些特征编码最好。
AI 推荐理由：该文从互信息出发定义多尺度表征几何，为比较不同神经群体的编码结构提供不依赖解码假设的统一框架。
AI 摘要Hyoung F Kim 团队在灵长类中发现，丘脑底核（STN）沿吻尾轴存在功能分化：吻侧 STN 神经元优先编码灵活更新的价值，尾侧 STN 神经元优先编码稳定的长期价值记忆。
AI 推荐理由：该研究在灵长类上区分了丘脑底核吻侧与尾侧在灵活价值更新和习惯性价值记忆中的不同作用，为理解 STN-DBS 的认知副作用提供了解剖功能框架。
AI 摘要Dartmouth 的 Samuel A. Nastase 团队在 PNAS 发表研究，考察自然视觉下人类皮层如何表征相互重叠的多种特征。研究指出，在自然视觉过程中动作特征在皮层表征中占主导地位。该研究试图建立一种公平评估各特征表征权重的方法。
AI 摘要四川大学华西医院 Jiayuan He、Qing Mao 等与合作者在 Science Advances 第 12 卷第 43 期发表论文，提出从健康神经先验出发、受生物物理约束的学习方法，用于改善病理皮层网络中的运动解码。
AI 推荐理由：材料只给出论文标题与期刊卷期，读者可据此了解一种用健康神经先验约束病理皮层网络运动解码的方法方向。
AI 摘要纽约大学阿布扎比分校 Kartik K. Sreenivasan 团队利用人类受试者的宽带 MEG 数据，结合降维和多变量解码，检验序列工作记忆究竟靠逐项顺序重激活（神经序列）还是靠低维子空间组织来维持。
AI 推荐理由：研究用 MEG 数据对比序列工作记忆的两种假说，为多项目工作记忆的编码方式提供了一条可对照的实验路径。
AI 摘要研究探讨初级运动皮层TMS诱发的运动诱发电位（MEP）在试次间大幅变异的问题，分析TMS施加时的持续脑活动（如感觉运动mu节律的功率与相位）如何影响MEP波幅。目前尚不清楚这些内源性脑状态在多大程度上塑造MEP波幅跨试次的一致性。
AI 摘要一项 arXiv 研究系统比较了 EEG 分类模型与通用时间序列分类模型的差异，并提出受试者专属、受试者无关和受试者条件三种建模方案。在三个数据集上，按受试者训练的现成时间序列分类模型性能接近 EEG 专用模型，但未完全达到领域专用建模水平。
AI 摘要一种名为 MOPC 的无源在线测试时自适应框架被提出，用于提升 EEG 运动想象脑机接口解码在跨受试者分布偏移下的可靠性，可在推理阶段单次在线更新解码参数而无需访问源数据。
AI 摘要研究构建基于 EEG 的频率分辨连接图模型，以 Coherence、PLV 和 PLI 在五个频段的连接特征作为多维边特征，区分阿尔茨海默病（AD）和额颞叶痴呆（FTD）与健康对照（CN）。
AI 摘要Shi 等提出一种分解式时空集成深度学习框架，用常规发作间期与发作期头皮 EEG 做脑叶水平的癫痫发作起始区（SOZ）定位，数据来自 100 例单侧局灶性癫痫患者的 262 次记录（6000 余小时），另设 28 例内部和 9 例外部测试集。
AI 推荐理由：该预印本用100例患者的常规头皮EEG做致痫区定位，并给出内部与跨机构验证结果，可供与现有非侵入式定位方法对照。
AI 摘要一项发表于 Journal of Neural Engineering 的研究提出基于 Transformer 的 EEG 源定位模型，可同时处理单源与多源场景。
AI 摘要一项概念验证重复测量队列分析显示，5 例药物难治性癫痫患者在接受丘脑前核 DBS（1 s ON、约 5 s OFF 循环刺激）时，全部 10 次头皮 EEG 记录（间隔一年）均出现 30-70 Hz gamma 功率升高，中位增幅 +0.94 dB，且 10/10 次记录的显著功率谱簇与 gamma 频段重叠。
AI 摘要一项EEG研究考察了提示步进运动想象中皮层区域去同步的起始顺序，发现运动类别信息在早期成分中并不具备类别特异性，任务相关表征需经一定处理阶段才变得可解码。研究指出，基于运动想象的脑机接口解码窗口目前多按惯例固定，而非依据表征形成的证据确定。
AI 摘要Shan Gao 团队利用49名受试者听英文有声书《小王子》的fMRI数据，在不同层和预测长度上用GPT-2嵌入训练编码模型，发现基于第8层高层嵌入的模型在122个皮层与皮层下ROI中的73个出现显著脑-大模型对齐，集中于颞叶皮层和默认模式网络。
AI 摘要美国罗格斯大学 Michael W. Cole 团队在 Nature Neuroscience 发表研究，基于人类任务态 fMRI 数据提出，皮层区域间连接几何（连接维度）可预测任务表征在区域间的压缩或扩张。
AI 推荐理由：研究用人类任务态fMRI数据把皮层连接几何与任务表征的压缩或扩张联系起来，可作为脑网络建模与解码分析的参照。
AI 摘要一项离线EEG研究提出CEP-MI线索-执行范式，让97名健康受试者在3秒倒计时内想象运动、随后轻微执行动作，并开发双分支神经网络PGCANet。在BCI Competition IV dataset 2a上，PGCANet四分类平均准确率达82.47%，优于EEG Conformer的78.66%和EEGNet的74.50%。研究称该范式提升了手部运动想象分类精度，但尚未证实实时或临床获益。
AI 摘要哥伦比亚大学 Nima Mesgarani 团队基于六类可解释特征（mel 频谱、Gabor 滤波器组、语音存在、音素、句法、语义）与 Whisper、HuBERT、WavLM 三种语音基础模型的上下文嵌入，构建线性编码模型，量化各特征类别共享的 ECoG 响应方差。
AI 推荐理由：研究用方差分解把语音基础模型与脑响应的对齐拆到可解释特征层面，便于比较不同模型层级与脑编码的关系。
AI 摘要ACF-Net 是一个把皮层-肌肉耦合先验嵌入融合结构的四阶段网络，用于跨受试者可穿戴 EEG-EMG 手势识别。在留一受试者验证中，它在 WAY-EEG-GAL（12 名受试者）上达到 87.6%，在 WEE-Ges（20 名受试者，三天）上达到 89.2%，分别比最强基线高 9.4 和 9.1 个百分点，校正后比较均显著。
AI 摘要研究团队提出 GIST 范式，用分级言语线索诱发语义提取，并让 14 名受试者完成食物、乐器、身体部位三类语义任务，EEG 数据按受试者自报的语义提取时刻（按键）对齐。
AI 摘要牛津 Bernhard P. Staresina 团队利用人体颅内记录发现，受试者在约 2 秒间隔内形成图像-词语联想时，海马高频活动在第二个事件到来时才能预测后续记忆，而非在初始图像或间隔期。此时对前一图像调谐的神经元在缺乏相应感觉输入的情况下重新激活了刺激特异性放电。在成功编码的试次中，海马高频活动与这种重激活选择性耦合，并在图像调谐神经元放电之前升高。
AI 推荐理由：该研究用人体颅内记录捕捉到海马在第二个事件到来时回溯性重新激活前一个事件的表征，为跨时间绑定记忆提供了直接神经证据。
AI 摘要一项发表于 Brain Stimulation 的研究探讨耐药性癫痫患者癫痫发作起始区在静息态和刺激态下的内在与外在连接特征。约半数接受癫痫手术的耐药性癫痫患者术后会复发，而连接性改变被视为致痫区的候选生物标志物，但既往研究结果不一致。
AI 摘要十名健康受试者在五种阻力条件下完成单臂弯举，同时用EEG记录皮层活动，运动相关皮层电位与功率谱密度在不同阻力条件间呈现差异。研究采用Triplet Temporal Convolutional Network提取EEG信号表征并结合KNN分类，受试者内留一试验评估准确率达97.2%，跨受试者留一评估最高准确率为93.0%。
AI 摘要Vincenzo Vitelli 团队提出降维方法旋转成分分析（RCA），用于在单试次中检测低方差旋转模式。他们将 RCA 应用于猴和人的运动皮层动作电位数据、小鼠全脑钙成像以及人的 fMRI 和 MEG；在小鼠中，静息态识别出的旋转模式可预测随机时刻线索到来后动物是否拉杆，作者用循环神经网络模型和二维响应学习模型解释这一关联。
AI 推荐理由：文章提出旋转成分分析，并在猴、人、小鼠多类数据上展示自发旋转动力学如何约束线索诱发行为，可供做低维神经动力学分析的研究者参考。
AI 摘要Science Advances 第 12 卷第 43 期发表“面向认知机械智能的内存内声子学习”研究，探索在声子层面实现内存内学习以构建认知机械智能。
AI 摘要约翰斯·霍普金斯大学 Xiaoqin Wang 团队在 Science Advances 发表研究，用多模态光学成像在狨猴听皮层中定位出对语音有反应的区域。论文题为 Voice patches in the marmoset auditory cortex revealed by multimodal optical imaging，刊于第 12 卷第 43 期。
AI 摘要Science Advances 第 12 卷第 43 期报道了 Scentronic——一种人工智能辅助的嗅觉接口，用于远程气味共享与传输。该接口面向气味的远程传递与共享场景，具体电极形式、通道数与受试者数据未在标题及卷期信息中给出。
AI 摘要Science Advances 第 12 卷第 43 期发表的研究显示，在眼动期间预测即将出现的视觉特征，可产生与人类视觉皮层对齐的场景表征。
AI 摘要Nature 发表的一项研究描绘了人类岛叶的功能架构，将细胞构筑与有向、不对称的电生理相互作用联系起来。该架构对疼痛的认知调控和内感受体验具有机制性意义。
AI 摘要牛津大学 Oiwi Parker Jones 团队（第一作者 Miran Özdogan）在预印本中系统比较了非侵入式神经解码的六种多试次聚合策略，覆盖三个数据集、四项任务和两种组规模。
AI 推荐理由：该预印本系统比较六种多试次聚合策略，并给出训练期 logit 平均在语音解码任务上的相对优势与理论解释。
AI 摘要Connor Michael Delaney 团队提出频率调制半连续波（FMSCW）多普勒方法，用于可穿戴超声系统检测散射体速度与距离。研究给出该技术的完整技术说明和参数仿真，显示距离轴与速度轴分辨率之间的权衡，以及散射体距离和速度对测量误差的影响。作者还用可穿戴超声系统采集了三组人体受试者图像，展示该方法在心血管监测、康复评估和假肢设备控制中的应用。
AI 推荐理由：原文给出FMSCW多普勒的完整技术推导、参数仿真和人体示例图像，读者可据此判断可穿戴超声在速度与距离测量上的取舍。
AI 摘要Eirini Schoinas 团队在 bioRxiv 预印本中，将一位 V1 皮层植入受试者绘制的光幻视图案与基于简单 V1 模型生成的虚拟患者仿真预测进行对比，发现该模型能复现这位受试者报告的多种光幻视形态。
AI 推荐理由：通过一位皮层植入受试者的手绘光幻视与虚拟患者仿真对照，解释小电极刺激为何常产生不规则形状而非光点。
AI 摘要研究提出基于模型的经皮迷走神经刺激（tVNS）神经调控框架，用LSTM网络刻画tVNS诱导的瞳孔反应动态，并用遗传算法优化刺激序列以最大化暗适应初期的瞳孔扩张。
AI 摘要研究提出以模型相对方式定义系统状态，即状态是对指定查询范围内完整响应剖面的刻画，凡在所有查询上一致的配置视为同一状态。作者通过查询歧义、状态空间几何与预测目标选择三方面考察预测与状态恢复的关系，并以响应规律已知的合成系统和神经记录作为互补验证场景。
AI 摘要中国科学院深圳先进技术研究院 Shuqiang Wang 团队开发多语言脑解码框架，分析覆盖中文、英文和法文的227名受试者脑记录，发现皮层语义表征在不同语言和个体间呈现一致的语义几何关系。跨语言一致性从感觉运动皮层到高阶联合皮层逐步升高，形成与主要皮层功能梯度对齐的共享语义几何梯度。研究将稳定的皮层语义几何作为跨语言语义共性的神经基础。
AI 推荐理由：研究用227名中英法受试者的脑记录比较跨语言语义几何，读者可据此了解语义表征在不同语言间的共性。
AI 摘要一篇2026年假设论文提出名为“Auxilium”的颅外系统，用于卒中破坏神经组织后丧失的功能重建，架构以骨科医生Dr. G.的左侧大脑中动脉大面积梗死案例为锚点。该方案属理论设想，尚无Auxilium器械或临床试验确立安全性与有效性。作者提出“虚拟白质”承担连接修复、“虚拟灰质”承担计算替代，并建议先在癫痫评估的sEEG监测受试者中验证。
AI 摘要开源 Python 包 py-mea-flow 可对 Axion Biosystems 的 spk 二进制文件完成动作电位提取、爆发检测、网络爆发检测与动作电位同步性分析，各项基准指标与厂商 NeuralMetric Tool 参考结果近乎完全一致。
AI 摘要研究团队提出 HYDRE 线性集成分类器，用 PCA 从时域、频谱和黎曼域提取特征，检测受试者即将执行动作的运动准备状态。18 名受试者（含 7 名女性）在自定步调按键任务中接受 MEG 记录，HYDRE 在动作前最长 1400ms 保持高于随机水平的解码，按键时刻 ROC 最高为 76%。