四川大学华西医院团队等提出用健康神经先验约束病理皮层网络运动解码
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。
#运动解码
#运动解码
今日 0 条Science Advances精选AI 评分6060
Journal of Neural EngineeringAI 评分4040 研究揭示提示步进运动想象中区域去同步的有序起始与运动类别可分性转变
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。
Bing News：brain-computer interfaceAI 评分3838 双阶段运动想象范式提升脑机接口解码精度：97名健康受试者EEG离线研究
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。
medRxiv（Neurology）精选AI 评分5555 Katy A Cross 团队用移动 EEG 比较有无冻结帕金森患者的提示步态皮层活动
AI 摘要Katy A Cross 团队用移动 EEG 比较 18 名有冻结史（PD-F）、21 名无冻结（PD-NF）帕金森病患者与 19 名年龄匹配健康对照在正常行走、跟随听觉提示和跨越视觉提示三种条件下的步态与感觉运动皮层活动。
AI 推荐理由：研究用移动 EEG 对比有无冻结的帕金森病患者在听觉与视觉提示下的步态表现，并给出感觉运动皮层 beta 抑制的差异。
Europe PMC（brain-computer interface · PubMed）AI 评分3838 基于EEG的递增阻力运动过程中皮层动态特征研究
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%。
bioRxiv（Neuroscience）精选AI 评分6060 Vincenzo Vitelli 团队提出旋转成分分析，揭示全脑自发旋转动力学约束线索诱发行为
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。
Neuron（In Press）精选AI 评分7272 加州理工 Richard A. Andersen 团队比较人运动皮层与后顶叶皮层的全身运动编码
AI 摘要加州理工 Richard A. Andersen 团队在两名受试者的运动皮层和后顶叶皮层记录单神经元，发现两个区域都对全身各部位的运动有反应。运动皮层整体表现出效应器特异性，而后顶叶皮层对各身体部位的表征程度相当。这两个区域此前长期被认为主要控制手部。
AI 推荐理由：在两名受试者上同时记录运动皮层与后顶叶皮层的单神经元，为全身运动编码的区域差异提供了直接对比。
bioRxiv（Neuroscience）AI 评分5252 HYDRE 混合时域与频谱脑信号模型检测运动准备
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%。
bioRxiv（Neuroscience）精选AI 评分5858 Jazayeri 团队在猴子额叶皮层发现物体空间关系的神经编码
AI 摘要Mehrdad Jazayeri 团队在猴子执行两物体空间工作记忆任务时，从额叶眼动区和辅助眼动区记录大规模神经活动，发现多数神经元对两物体空间关系的编码优于对单个物体位置的视网膜拓扑编码。关系调谐与单物体感受野系统性对齐，二者混合支持对物体位置的近最优群体解码，并可产生与行为相似的排斥性偏差。作者称，平均化和归一化等标准多物体模型无法复现这一连续谱，而将感受野在潜在眼跳上积分的模型可以复现。
AI 推荐理由：在猴子额叶眼动区记录大规模神经活动，比较单个物体位置调谐与两物体间关系调谐，为空间工作记忆的群体编码提供新解释。
bioRxiv（Neuroscience）精选AI 评分6262 Kazuhiko Seki 团队用 Neuropixels 记录发现大鼠颈髓背侧与腹侧神经元群体在伸手动作中共享时间动态
AI 摘要Kazuhiko Seki 团队对大鼠执行目标性伸手行为时的颈髓进行深度分辨 Neuropixels 记录，发现群体活动呈低维结构，由瞬态、旋转性和目标特异性的动力学模式组成。尽管单神经元活动随深度不同，背侧与腹侧群体在不同目标和个体间表现出几乎相同的动态。目标不变的主成分在深浅层间高度同步，而包括目标特异性成分在内的其他成分呈现依赖条件、由腹侧到背侧的延迟，其时序与运动相关反馈一致。
AI 推荐理由：该研究用深度分辨的 Neuropixels 记录比较大鼠颈髓背侧与腹侧群体活动，为理解感觉输入与运动输出如何共享动力学提供新证据。
bioRxiv（Neuroscience）精选AI 评分7878 Ceci Verbaarschot 团队在闭环博弈中从人类运动皮层实时解码出动作承诺信号
AI 摘要Ceci Verbaarschot 团队用闭环博弈实验，让虚拟对手实时监测三名四肢瘫受试者的皮层内感觉运动活动，并在检测到其动作意图时抢先拦截。受试者的动作起始可在动作前250-400毫秒从运动皮层可靠预测，尽管他们试图随机行动，仍在94%的试次中被拦截，且多数情况下动作输出照常发生；受试者报告在88%的拦截中确有行动意图。
AI 推荐理由：三名四肢瘫受试者的闭环博弈实验显示，运动皮层在动作前250-400毫秒已出现与主观意图对齐的承诺状态。
bioRxiv（Neuroscience）AI 评分3838 高密度 EEG 研究：抓取与放置动作在共享皮层-小脑机制中呈现不同神经动力学
AI 摘要31 名受试者佩戴高密度 EEG 完成抓取与放置 3D 物体的交替动作，放置动作启动更快但执行更慢、终点朝向精度更高。ERP 与微状态分析显示两者共享运动前后的极性翻转模式，该模式在放置准备阶段增强、执行阶段延长。SVM 解码表明任务特异性信息主要编码在 6 Hz 以下的低频 EEG 活动中。
bioRxiv（Neuroscience）AI 评分3838 小鼠研究：与运动训练同步的阳极 tDCS 提升转棒成绩并增加皮层 TrkB 磷酸化
AI 摘要小鼠实验中，与转棒训练同步进行的阳极 tDCS 在部分试次提升运动表现并提高足步频率，而训练前或训练后刺激均无显著改善；同步刺激在 1 天和 4 天后均增加受刺激皮层 TrkB 磷酸化，BDNF 水平无显著升高。皮层电流测量显示约一半施加电流到达测量位点，非靶向脑区未见显著分子变化。
Bing News：brain-computer interface精选AI 评分7171 Inria 与波尔多大学团队发现视觉提示会抬高深度学习 EEG 分类准确率
AI 摘要Inria 与波尔多大学团队在 Frontiers in Neuroergonomics 发表研究，指出运动想象 BCI 中深度学习模型的部分准确率增益来自视觉提示诱发的电位，而非运动想象本身。
AI 推荐理由：研究用归因分析揭示深度学习模型可能把视觉提示的诱发电位当作运动想象信号，为 EEG 基准评测提供了可迁移的排查方法。
Europe PMC（brain-computer interface · PubMed）AI 评分3838 基于图卷积的双分支网络解码上肢运动想象 EEG 信号
AI 摘要一项研究提出图卷积双分支框架，用于上肢运动想象 EEG 的受试者独立解码，在 PhysioNet 数据集三类任务上以 64、21、5 个电极分别达到 86.42%、91.01%、93.91% 的 SGKF 准确率，LOSO 准确率为 92.25%、95.72%、96.01%。
NatureAI 评分3131 Nature 研究：光遗传学刺激运动皮层神经元集群驱动习得性运动
AI 摘要光遗传学刺激运动皮层神经元集群表明，初级运动皮层中精确定时的活动能够生成习得的神经活动模式和运动，显示其在熟练运动控制中发挥主动作用。该研究发表于 Nature，在线发表日期为 2026 年 10 月 14 日，DOI 为 10.1038/s41586-026-11174-3。
bioRxiv（Neuroscience）AI 评分4242 运动-顶叶网络的因果贡献：fMRI 与双位点 tDCS 增强意识性动觉感知
AI 摘要研究结合 fMRI 与区域易化性双位点 tDCS，在肌腱振动诱发的足部动觉错觉中建立 M1、右侧 IPL 与右侧 IFG 与意识性动觉体验的因果联系。对 M1 与 IPL 同时施加易化性双位点 tDCS 显著增强了错觉的主观强度，效果超过伪刺激、M1-IFG 同步刺激以及单位点（M1 或 IPL）刺激，并在另一项未增加肌肉活动的 tDCS 研究中得到重复。
Bing News：brain-computer interfaceAI 评分2929 中国团队发布 STGCAN-MI 网络，解码想象运动准确率创纪录
AI 摘要福建农林大学 Xianqing Yang、Tingting Zhang 团队联合福建师范大学在 Scientific Reports 发表 STGCAN-MI，一种基于可学习动态图卷积与并行时空注意力的深度学习架构，用于 EEG 运动想象解码。
bioRxiv（Neuroscience）AI 评分4141 SSLD：在共享神经-行为潜空间中学习可解释的切换动态
AI 摘要研究者提出 Switching Shared Latent Dynamics（SSLD）框架，在神经活动与行为之间学习共享潜表征，并赋予该共享空间非线性切换循环动态，同时用私有潜变量捕捉模态特异变异。
Journal of Neural EngineeringAI 评分4141 运动想象脑机接口中的分布外检测难题：Journal of Neural Engineering 基准研究
AI 摘要一项发表于 Journal of Neural Engineering 的研究首次在运动想象脑机接口中建立 Leave-One-Class-Out 分布外（OOD）检测基准，测试了七种 OOD 检测方法及一种据称可提升检测质量的方法。
bioRxiv（Neuroscience）AI 评分4141 人类运动腿区经颅磁刺激的即时皮层反应
AI 摘要单脉冲 TMS 刺激 16 名健康受试者右侧胫骨前肌运动皮层代表区，可稳定诱发出即时经颅诱发电位（iTEPs），表现为刺激位点邻近电极处的高频峰叠加慢正波。iTEPs 在接近活动运动阈值时出现，随刺激强度增加而幅度和出现率上升；配对脉冲刺激对第二、三个 iTEP 峰产生一致的短间隔皮层内抑制（SICI）。
arXiv eess.SP（Signal Processing）AI 评分3232 面向 EEG 脑机接口解码的标签揭示在线更新基准测试
AI 摘要研究对 CSP 与 Riemannian 协方差两类 EEG 脑机接口解码流程开展按时间排序的 prequential（先测后训）在线自适应基准测试，覆盖三个运动想象数据集和一个运动解码数据集。
bioRxiv（Neuroscience）AI 评分4141 电极构型与时间动态如何塑造宽带皮层内信号的运动解码
AI 摘要研究在恒河猴延迟触及任务中对比了 64 通道线性 S-probe 与 96 通道平面 Utah 阵列在背侧前运动皮层、初级运动皮层和背外侧前额叶皮层的记录，发现 SBP 与高频 LFP 的解码性能随记录单细胞数增加而提升，LMP 则更受电极几何构型影响，在 Utah 阵列上表现更优。
bioRxiv（Neuroscience）精选AI 评分6262 猕猴前后顶叶皮层同步记录数据集：40种手物交互条件下的1920通道神经与运动学数据
AI 摘要研究团队在恒河猴执行40种手物交互任务时，用覆盖1920通道的微电极阵列同步记录初级运动皮层、前顶叶区和腹侧前运动皮层的神经活动，并用多摄像头无标记动作捕捉系统采集手部运动学。
AI 推荐理由：数据集覆盖40种手物交互条件与1920通道同步记录，并附跨天跨任务解码基准，可供手部运动解码研究对照。
Europe PMC（brain-computer interface · PubMed）AI 评分3333 生成对抗网络合成 M1 信号增强非侵入式运动脑机接口数据集
AI 摘要研究团队提出一种 GAN 框架，从功能相关皮层区域合成初级运动皮层（M1）人工神经信号波形，以扩充神经信号数据集中的任务相关特征。基于目标导向手臂伸展任务的 MEG 记录，用 GAN 合成 M1 信号增强个体数据集后，运动解码性能显著提升约 10%（p < 0.05），且在没有真实 M1 信号时仍能维持。该方法还推广至运动想象 BCI 竞赛数据集以提升分类准确率。
Europe PMC（brain-computer interface · PubMed）AI 评分2929 TSMD-Net：用于跨受试者 MI-EEG 域泛化的两阶段多域蒸馏网络
AI 摘要研究提出 TSMD-Net 两阶段多域蒸馏网络，将多个域特定头的知识蒸馏到统一主导头，用于跨受试者 MI-EEG 域泛化。该方法先通过特征协方差对齐建立稳定跨域表征，再结合多域协同蒸馏与双曲监督对比学习提升跨域预测一致性和类别可分性。在 BCI Competition IV 2a、2b 和 High Gamma Dataset 上平均准确率分别为 70.21%、77.82% 和 79.53%。
arXiv（brain-computer interface）AI 评分3232 BrainVLA：用预训练 VLA 模型实现神经运动解码
AI 摘要BrainVLA 通过语言中介对齐，借助预训练视觉-语言-动作（VLA）模型实现神经运动解码，缓解配对神经-动作数据稀缺问题。该框架构建含神经活动、动作信号、语言指令与渲染视觉观测的数据集，用 LoRA 微调 OpenVLA-OFT 策略，并以语言表征为语义目标训练神经编码器提取运动意图。在两个不同动作维度的神经运动数据集上，其跨会话解码 R² 与任务成功率均优于基线，并展现高训练数据效率。
Europe PMC（brain-computer interface · PubMed）精选AI 评分5858 Inria 团队发现视觉提示会让深度学习 MI-BCI 分类器依赖视觉诱发电位
AI 摘要法国 Inria 的 Trocellier、Lotte 团队比较了 CSP+LDA、DeepConvNet 和 Transformer 基础模型 REVE 在运动想象 EEG 分类中的表现，发现把视觉提示出现时刻纳入输入窗口会显著提高 DeepConvNet 和 REVE 的准确率。
AI 推荐理由：研究用归因图对比深度学习与传统方法，说明视觉提示会诱导分类器依赖视觉诱发电位而非感觉运动节律。
Europe PMC（brain-computer interface · PubMed）AI 评分3737 从置信到审慎：跨会话运动想象脑机接口的共形门控
AI 摘要研究评估共形预测（CP）能否在跨会话 EEG 漂移下充当运动想象脑机接口的命令门控，以 DeepConvNet 为基分类器，在 OpenBMI（54 名受试者、2 类）和 BCIC IV-2a（9 名受试者、4 类）上比较阈值式 CP（THR）、RAPS/RAPS-Opt 与 Chow 选择性预测。
Journal of Neural EngineeringAI 评分3131 慢跑想象与虚拟形象步态一致时，多模态 BCI 控制中的虚拟形象归属感增强
AI 摘要一项多模态 BCI 研究让受试者通过头皮 EEG 的 SMR-ERD 控制虚拟形象慢跑、用眼动控制方向，并对比慢跑想象（一致）与持续右手张开想象（不一致）两种条件。结果显示一致条件下的虚拟形象归属感显著更高，尽管慢跑想象诱发的 SMR-ERD 更弱，课程完成率与完成时剩余时间无显著差异。作者认为神经信号强度与具身体验可能分离，BCI 设计应同时考虑想象与动作的一致性。
arXiv（brain-computer interface）AI 评分2828 ThinkNet：面向运动想象 EEG 分类的进化深度集成框架
AI 摘要ThinkNet 是一个验证受控框架，结合仅训练集归一化、验证引导的进化搜索与验证门控推理，为留出受试者筛选紧凑的运动想象 EEG 解码器与推理策略。
arXiv（brain-computer interface）AI 评分1515 EEG 运动想象脑机接口算法与技术综述
AI 摘要这篇综述梳理了过去十年用于解码大脑感觉运动皮层信号的最实用处理算法，重点讨论机器学习与深度学习等 AI 算法对 MI-BCI 系统性能与效率的提升。文章还回顾了 SoC、ASIC、FPGA、可穿戴设备、IoT 及 AR/VR 等硬件平台与新兴融合技术，并探讨其与先进信号处理算法的整合，以推动下一代 MI-BCI 系统。
Europe PMC（brain-computer interface · PubMed）AI 评分3838 PADA：扰动感知差分黎曼注意力用于鲁棒运动想象解码
AI 摘要研究提出扰动感知差分黎曼注意力机制 PADA，用窗口式可学习黎曼模块与双流差分流形注意力提取非线性特征，并以切空间扰动探测特征不稳定性、抑制对噪声过敏的注意力权重。
Europe PMC（brain-computer interface · PubMed）AI 评分3232 基于 MVMD 与特征优化的 VR 运动想象解码分层图学习框架
AI 摘要研究提出一种面向 VR 运动想象解码的分层图学习框架，利用 MVMD 将 EEG 信号分解为节律分量，结合混合特征选择与基于相位锁定值的功能脑网络建模，将每个 EEG 试次表示为稀疏图，并用分层图卷积网络捕获多尺度空间依赖与高阶交互。
Europe PMC（brain-computer interface · PubMed）AI 评分3333 Diff-ADN：面向 EEG 的扩散引导伪迹去噪网络，带确定性残差精修
AI 摘要Diff-ADN 是一种单通道 EEG 伪迹去除框架，采用严重程度条件化的 Stage-I 重建加扩散引导的 Stage-II 残差精修，推理时仅需一次确定性残差校正，无需迭代反向扩散采样。
Nature Portfolio（Brain–machine interface）AI 评分4242 Nature 研究：辅助解码算法如何影响运动脑机接口的神经表征
AI 摘要一项结合猴子运动皮层皮层内脑机接口纵向实验数据与循环神经网络（RNN）模型的研究，比较了固定解码器与自适应解码器对神经表征的影响。结果显示，自适应解码器在不引入任务误差的情况下改变神经活动到运动的映射，进而影响技能学习中的信用分配与神经表征变化。
Europe PMC（brain-computer interface · PubMed）AI 评分2727 面向驾驶脑机接口的新型转向运动想象范式设计与解码
AI 摘要研究提出一种面向驾驶场景右手转向动作的运动想象脑机接口范式，用八电极低成本 OpenBCI 设备采集 12 名受试者的运动想象 EEG 数据。时频分析显示，右手转向想象时 C3 电极在 mu 与 beta 频段均出现事件相关去同步，C4 电极在 beta 频段出现 ERD、在 mu 频段以事件相关同步为主。研究提出的 SMB-TCSAN 模型在转向方向数据集上平均分类准确率达 66.80%。
arXiv（brain-computer interface）AI 评分3838 FRIST：fMRI 表征引导共享空间训练提升仅用 EEG 的单指脑机接口解码
AI 摘要研究者提出 FRIST 两阶段 EEG 解码框架，先从同步 EEG-fMRI 记录中学习 fMRI 引导的频谱投影，再用 fMRI 导出的类别几何引导 EEG 预测的残差细化，推理时仅需 EEG。
arXiv（brain-computer interface）AI 评分2424 基于随机森林的 EEG 信号分析：面向真实与想象运动活动分类
AI 摘要一项研究用随机森林算法对受试者执行真实运动和运动想象时的 EEG 信号进行分类，并区分相关身体部位。研究同时采用消费级与研究级 EEG 系统评估该算法，结果显示随机森林即使在消费级 EEG 上也能有效区分想象与真实活动，但 EEG 信号的个体间差异会对分类造成负面影响。
Europe PMC（brain-computer interface · PubMed）AI 评分2424 运动想象 EEG 跨变异性解码综述：2020 至 2025 年深度学习与迁移学习方法
AI 摘要这篇综述系统梳理了 2020 至 2025 年运动想象 EEG 跨变异性解码研究，按深度学习与迁移学习建立分类体系，重点评估 CNN、transformer、特征对齐、域适应和元学习等算法。文章围绕跨受试者与跨会话两类主要变异性场景分析这些方法的机制与效果，并指出低信噪比、个体与时间维度差异及信号非平稳性仍是 MI BCI 落地的主要障碍。