哥伦比亚大学 Nima Mesgarani 团队用可解释特征分解语音模型与 ECoG 脑响应的对齐
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。
#ECoG
#ECoG
今日 0 条arXiv q-bio.NC（Neurons and Cognition）精选AI 评分6262 arXiv q-bio.NC（Neurons and Cognition）AI 评分5252 东京大学Hirokazu Takahashi团队：迷走神经刺激增强大鼠皮层beta与gamma节律听觉稳态响应
AI 摘要东京大学Hirokazu Takahashi团队在7只异氟烷麻醉大鼠上记录听觉皮层核心区、带区、岛叶听觉场（IAF）与前岛叶皮层（AIC）的ECoG，在30 Hz颈部VNS开始前及开始后90分钟测量20 Hz与40 Hz click train的响应。
bioRxiv（Bioengineering）精选AI 评分6565 Bowen Ji 团队用可调深度激光绘制制备MRI兼容3D软碳神经界面
AI 摘要Bowen Ji 团队报告一种可调深度激光绘制策略，可直接制备定制化3D软碳电极阵列，无需依赖传统薄膜微加工。全硅胶电极结构实现器件级共形贴合，3D软碳位点形成非穿透式贴合界面；在体外电化学与在体记录中，CNT-3D阵列表现优于Au-2D和CNT-2D对照。
AI 推荐理由：该预印本给出兔双侧皮层植入4个月后的ECoG功率保留比例，并对比二维对照与金属阵列的MRI伪影，可作为柔性电极长期贴合度的参照。
medRxiv（Neurology）精选AI 评分6262 EISHI ASANO 团队：术中极高频率活动可辅助定位致痫区
AI 摘要EISHI ASANO 团队开展回顾性双中心队列研究，纳入2016年1月至2025年5月间接受ECoG及后续切除的56名药物难治性局灶性癫痫患者，共识别132,359个棘波，其中1,925个为vHFA阳性。
AI 推荐理由：研究在56名药物难治性局灶性癫痫患者中比较了vHFA阳性棘波与全部棘波定位致痫区的表现，可供关注术中ECoG生物标志物的人参考。
arXiv eess.SP（Signal Processing）精选AI 评分6868 鲁汶大学 Marc M. Van Hulle 团队提出 CORTEG，将头皮 EEG 基础模型迁移到 ECoG 解码
AI 摘要比利时鲁汶大学 Marc M. Van Hulle 团队提出跨模态迁移框架 CORTEG，把大规模预训练头皮 EEG 基础模型适配到颅内 ECoG 记录，在单块 GPU 上对留出患者做 10-30 分钟校准。
AI 推荐理由：原文给出两项回归任务与 sEEG 分类任务的对比结果，可看头皮 EEG 预训练模型跨模态迁移到颅内记录的可行边界。
bioRxiv（Neuroscience）精选AI 评分5555 Oizumi 团队用延迟嵌入与控制理论恢复部分观测下的神经振荡模式
AI 摘要日本研究者 Masafumi Oizumi 提出一个基于控制理论的框架，把延迟嵌入观测的 Hankel 矩阵分解为可观测性矩阵与轨迹矩阵，说明两者秩对延迟嵌入方法可恢复内容的互补约束。作者用 Hankel DMD 在仿真和人体 ECoG 中验证：扰动增加了快速衰减模式的估计数量，更大的延迟深度增加了可可靠估计的模式数量，并在 ECoG 中扩展了频率范围。
AI 推荐理由：用控制理论解释延迟嵌入能恢复哪些神经振荡模式，并在仿真与人体 ECoG 中验证扰动和延迟深度的影响。
bioRxiv（Neuroscience）精选AI 评分6262 Mikulan 团队同步头皮与颅内记录，定位触觉意识 N140/SAN 的颅内来源
AI 摘要Ezequiel Mikulan 团队利用同步高密度头皮 EEG 与颅内 EEG 记录，发现 N140/SAN 是刺激后岛叶-岛盖局部场电位在头皮上的表现，该电位紧随 50-150 Hz 宽带高频活动（BHA）之后。
AI 推荐理由：同步头皮 EEG 与颅内 EEG 记录把 N140/SAN 对应到岛叶-岛盖局部场电位，为触觉意识的头皮标志物提供了颅内来源。
bioRxiv（Neuroscience）AI 评分4141 人类颅内记录显示听觉光栅诱发宽带而非窄带 gamma 活动
AI 摘要研究团队对 7 名接受癫痫切除手术的患者进行颅内记录，电极置于颞上回及其周边、靠近 Heschl's gyrus 的区域，在麻醉或清醒状态下通过扬声器播放听觉光栅。
Journal of Neural Engineering精选AI 评分6262 CMU Maysamreza Chamanzar 团队用 ITO 透明电极改造 Smart Dura 皮层表面阵列
AI 摘要美国卡内基梅隆大学 Maysamreza Chamanzar 团队在 Journal of Neural Engineering 发表研究，将此前展示的多模态皮层表面阵列 Smart Dura 改用透明氧化铟锡（ITO）电极，把有效光学可及性提升到 100%，消除传统金属电极的遮挡。
AI 推荐理由：读者可了解透明 ITO 电极如何把皮层表面阵列的光学可及性提升到 100%，并同时保留电生理记录能力。
Journal of Neural EngineeringAI 评分4242 静息态 SEEG 频谱分辨传递熵揭示成人及儿童难治性癫痫的致痫与非致痫通讯
AI 摘要研究对 21 名成人和 18 名儿童药物难治性癫痫患者的静息态 SEEG 进行频谱分辨传递熵分析，通道按 SOZ→SOZ、NIZ→SOZ、SOZ→NIZ、NIZ→NIZ 四类分组，信号分解为 delta 至 gamma 及宽带频段。
bioRxiv（Neuroscience）AI 评分4949 大鼠通过内侧前脑束隐蔽强化实现递归脑机接口的自主控制
AI 摘要大鼠仅以内侧前脑束活动依赖性电刺激作为唯一强化物，学会自主调控运动单位放电率及ECoG的beta和gamma频段以自行触发刺激，并能独立调制同一皮层位点的不同频谱特征。该隐蔽强化策略无需外部奖励反馈，可在无束缚行为中实现触发事件与奖励的精确时间耦合，为自适应脑机接口和闭环精神疾病治疗提供新思路。
bioRxiv（Neuroscience）AI 评分4949 全脑颅内 EEG 揭示人类内隐知觉决策信心的神经潜表征
AI 摘要研究团队对无外显信心报告的全脑颅内 EEG（iEEG）数据应用多种机器学习方法，识别出尤其位于额叶皮层的时空 iEEG 成分，可区分与决策正确性、难度和速度相关的信心特征，并可跨运动模态迁移。尽管不同方法和条件下所选特征不一致，降维仍揭示出稳健的低维神经潜表征，其在共享子空间中的神经轨迹进一步提升了对信心特征的区分度。
bioRxiv（Neuroscience）精选AI 评分7070 颅内电生理记录显示人脑痛觉与显著性表征相互独立
AI 摘要一项预印本研究对 13 名神经外科受试者的 2018 个颅内电极记录进行分析，发现痛觉与显著性刺激的神经表征在解剖和功能上相互独立。在编码痛觉刺激的 107 个电极中，77% 不编码低概率声音，23% 同时编码两者。
AI 推荐理由：13 名神经外科受试者、2018 个颅内电极的数据，把痛觉与显著性表征在解剖、时序和功能上区分开，可与既有影像学重叠结论对照。
Nature Biomedical Engineering精选AI 评分6060 一种带响应性水凝胶神经界面的软生物电子系统用于术中颅脑损伤实时监测
AI 摘要Nature Biomedical Engineering 刊出研究，报道一种基于热响应水凝胶的神经界面，可在手术中实时量化受力，并同步记录体感诱发电位与 ECoG。该软生物电子系统在兔脑肿瘤切除模型中完成验证。
AI 推荐理由：材料给出 hydrogel 神经界面的力测量与 ECoG 同步记录方案，可供做术中监测与柔性电极的研究者参考。
Journal of Neural EngineeringAI 评分4242 静息态 SEEG 频谱分辨传递熵揭示成人及儿童难治性癫痫的致痫与非致痫通讯
AI 摘要研究对 21 名成人和 18 名儿童药物难治性癫痫患者的回顾性 SEEG 数据进行分析，将通道分为 SOZ→SOZ、NIZ→SOZ、SOZ→NIZ、NIZ→NIZ 四类，并在 delta、theta、alpha、beta、gamma 及宽带频段上用高斯估计器计算传递熵。
Journal of Neural Engineering精选AI 评分6262 CMU Maysamreza Chamanzar 团队用 ITO 透明电极改造 Smart Dura 皮层表面阵列
AI 摘要美国卡内基梅隆大学 Maysamreza Chamanzar 团队在 Journal of Neural Engineering 发表研究，将此前展示的多模态皮层表面阵列 Smart Dura 改用透明氧化铟锡（ITO）电极，把有效光学可及性提升到 100%，消除传统金属电极的遮挡。
AI 推荐理由：读者可了解透明 ITO 电极如何把皮层表面阵列的光学可及性提升到 100%，并同时保留电生理记录能力。
arXiv（brain-computer interface）AI 评分3636 从神经元到对话：语音脑机接口综述
AI 摘要语音脑机接口通过将言语相关神经活动转化为文本、合成语音或虚拟形象控制来恢复交流，皮层内与ECoG记录、深度序列模型及语言模型辅助解码的进展推动了高性能尝试性言语解码和更自然的语音合成。
Europe PMC（brain-computer interface · Top journals）精选AI 评分7777 高分辨率 ECoG 研究揭示想象言语与发声的共享及特异编码
AI 摘要研究团队利用高分辨率 ECoG 考察想象言语与发声过程中发音运动轨迹的共享与模态特异编码，发现额顶叶皮层在两种模态下均存在稳健的发音运动轨迹编码。中前运动、subcentral 及中央后-缘上回区域的超模态神经元群在整合规划阶段表现出时空稳定性，而想象言语与发声的模态特异神经元群在初级感觉运动皮层呈躯体拓扑交错分布。
AI 推荐理由：该研究用高分辨率 ECoG 比较想象言语与发声时的发音运动编码，并给出可迁移的通用解码框架，适合关注语音脑机接口解码路线的人参考。
arXiv（brain-computer interface）AI 评分4141 MAPA：面向 iEEG 的样本高效神经接口自监督预训练
AI 摘要研究者提出 MAPA，一种带解剖区域嵌入和相对位置编码的掩码自编码器，可从跨受试者的无标注 iEEG 记录中学习可迁移的神经表征。在 Neuroprobe 基准的会话内、跨会话和跨受试者三种设定下，MAPA 均无需微调即刷新最优结果；跨受试者时，其特征上的线性探针仅需约 164 个标注试次即可达到无预训练时 3,500 个试次的准确率。
Nature Portfolio（Brain–machine interface）精选AI 评分6262 大连理工大学刘军山团队发表自立式亚微米 ECoG 电极阵列研究
AI 摘要大连理工大学刘军山团队在 Nature Communications 发表一种自立式亚微米 ECoG 电极阵列，论文于 2026 年 9 月 8 日发表。作者单位包括大连理工大学高性能精密制造全国重点实验室、辽宁省微纳米技术及系统重点实验室，以及大连医科大学附属第二医院神经外科和辽宁省癫痫诊疗中心。该研究由教育部基础与交叉学科突破计划、辽宁省兴辽英才计划和大连市科技创新基金等资助。
Nature Portfolio（Neural decoding）精选AI 评分6262 Max Planck Pascal Fries 团队：连续神经信号的跨试次方差在 ERP 之外几乎等同于信号功率
AI 摘要Max Planck Institute for Biological Cybernetics 的 Pascal Fries 团队分析猕猴 ECoG、猕猴皮层内微电极和 20 名健康受试者 EEG 三套数据，发现事件相关电位之外的跨试次方差（ATV）与试次内方差（ITV，即信号功率）高度相关且几乎数值相同，回归系数在 0.9988 至 0.9999 之间。
AI 推荐理由：该研究用猕猴 ECoG、皮层内微电极与人类 EEG 三套数据说明跨试次方差在事件相关电位之外几乎等同于信号功率，并给出均值归一化的 CV(power) 指标。
Europe PMC（brain-computer interface · Top journals）精选AI 评分6262 NYU 等团队用 ECoG 记录句子产出，发现高阶语言信息编码与活动幅度解离
AI 摘要美国多机构团队（末位作者 Flinker，通讯作者之一 Devinsky）利用颅内 ECoG 高分辨率记录和受控句子产出实验，发现编码词级信息与高阶语言信息的皮层网络呈混合空间组织，既广泛分布于传统语言区，又在经典语言区出现对语义和结构对比的局部敏感集中。
AI 推荐理由：研究用颅内 ECoG 记录句子产出过程，发现词级与高阶语言信息的编码网络大多不重叠，可供语言解码研究对照。
Nature Portfolio（Brain–machine interface）精选AI 评分6666 Duke G. B. Cogan 团队用 μECoG 对齐跨患者潜在动态提升语音解码
AI 摘要Duke University 的 G. B. Cogan 团队在八名接受清醒神经外科手术的患者上，用高密度 μECoG 阵列记录感觉运动皮层，通过 PCA 提取潜在动态并用 CCA 跨患者对齐，训练出跨患者语音解码模型。
AI 推荐理由：八名受试者的术中 μECoG 数据显示，跨患者对齐潜在动态后语音解码可超过个体模型，读者可据此比较跨患者与个体化训练路线。
Nature Portfolio（Brain–machine interface）AI 评分3838 两只全植入非人灵长类动物的纵向多任务无线 ECoG 数据集
AI 摘要日本大阪大学团队在两只成年雌性日本猕猴（Macaca fuscata）双侧感觉运动皮层植入全植入式无线 ECoG 系统，采集了涵盖听觉加工、按键、伸手运动和体感刺激的多任务纵向数据。数据集包含静息态、阻抗检测、听声任务、按键任务、伸手任务和体感诱发电位（SEP），用于追踪长期皮层信号稳定性并支撑 BCI 解码算法开发。