基于 EEG 的脑机接口解码高度自动驾驶车辆乘客危险感知
AI 摘要研究团队提出一套 EEG 脑机接口框架,将乘客神经响应解码用于高度自动驾驶场景下的风险预测(RP)与危险识别(DI),并配套提出 Passenger Cognitive Model、Risk-aware Sequential Labeling 与 Passenger EEG Decoding Strategy,联合使用 3D-CRNN 模型进行 EEG 解码。
AI 摘要研究团队提出一套 EEG 脑机接口框架,将乘客神经响应解码用于高度自动驾驶场景下的风险预测(RP)与危险识别(DI),并配套提出 Passenger Cognitive Model、Risk-aware Sequential Labeling 与 Passenger EEG Decoding Strategy,联合使用 3D-CRNN 模型进行 EEG 解码。
AI 摘要受试者在视觉探索任务中观看自然物体图像,MEG 记录显示,图像在副中央凹提前 250 ms 呈现时事件相关场神经反应减弱,多变量模式分析对物体类别的解码增强,提示神经特异性提高。研究支持副中央凹预览通过形成稀疏精确的物体表征参与神经锐化,可能有助于视觉场景探索中的证据积累。
AI 摘要华盛顿大学 in St. Louis 的 Joseph P. Culver 团队在 Communications Biology 发表研究,用高密度扩散光学断层成像对自然电影进行视觉语义编码与识别。
AI 推荐理由:高密度扩散光学断层成像此前多用于血流成像,这项研究把它用于自然电影视觉语义编码与识别,可供关注非侵入式视觉解码路线的人对照。
AI 摘要健康受试者在单眼视觉与模拟视力退化条件下,将隐蔽注意指向外周视觉刺激,早期注意敏感视觉成分在单眼视觉下发生改变,模拟视力退化使 P300 范围 ERP 降低。ERP 差异未影响 BCI 解码准确率,只要颜色等区分特征可被识别,即使存在视觉损伤仍能可靠控制该非侵入式、不依赖注视的 BCI,为瘫痪者沟通提供潜在途径。
AI 摘要Brain2Speech-Net 是一种单阶段神经到语音生成框架,跳过中间文本解码,通过可微分音素瓶颈和 deep-HMM 对齐机制将长时神经记录映射到 TTS 模型潜空间。在对比系统中,它是唯一在生成速度快于实时的情况下仍能产出可懂语音的系统。
AI 摘要2026 PNPL 竞赛基于扩展数据集 LibriBrain100 设置词分类任务,该数据集在原有单受试者约 50 小时 MEG 数据基础上新增 32 名受试者(每人约 40 分钟)及约 80 小时单受试者数据。竞赛设 Deep 与 Broad 两条赛道:前者追求单受试者大规模词分类的最优性能,后者聚焦跨受试者泛化,将受试者特定微调数据从约 40 分钟逐步压缩至约 20 分钟、约 10 分钟。
AI 摘要研究者提出开放词汇互信息(OVMI),一种信息论指标,用于衡量解码器相对于用户可能表达词汇参考分布所传达的信息量,从而把不同词汇表、记录方式和语音类型下测得的语音脑机接口能力放到同一通信尺度上比较。
AI 摘要研究提出分层对比学习框架,为每位受试者从 CLIP 中间层中选出检索性能最优的神经可见最优层(NVOL),并据此将检索与生成耦合到共享中间表示。在 THINGS-EEG 上,NVOL 检索在 200 类中取得 78.1% 平均 Top-1 准确率,结合 CSLS 提升至 86.4%;两阶段 NVOL 到语义重建在语义与结构指标上优于单阶段末层扩散。
AI 摘要研究测试空间协方差 EEG 特征能否在受试者作答前提供决策正确性的预判信号,23 名受试者在虚拟现实目标检测任务中完成高、低认知负荷的组内操作。团队层面按该神经信号加权投票,高负荷下争议试次的准确率随团队规模从 2 人增至 16 人由 57% 升至 88%,低负荷下反而有害。该优势在置信度等事后行为信号之外依然成立,表明基于 EEG 的决策可靠性信号是负荷条件性的团队增强工具。
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。
AI 摘要针对 AI 介导脑机接口可能过度优化短期指标、偏离用户长期目标的问题,研究者提出"神经自适应过拟合"这一闭环失效模式,并给出 Slow-Fast BCI 框架。该框架依据解码器证据、不确定性、情境与临床风险、疲劳及用户或临床医生设定的目标来调节 AI 辅助节奏,区分快速、谨慎与慢速辅助三档。文章主张 AI 介导 BCI 的评估不应只看解码准确率与任务表现,还应考察 AI 辅助的部署方式。
AI 摘要研究提出一种基于遗传算法与贝叶斯线性判别分析(BLDA)的固定少通道选择框架,从传统八通道 P300 脑机接口系统中筛选出可泛化的三通道组合,48 名健康受试者完成离线与在线 VR 实验。三通道系统准确率与信息传输率同八通道系统相当,无显著性能下降,设备准备时间从 30 分钟缩短至 3 分钟(减少 90%),NASA-TLX 评估显示用户心理与身体负担显著降低(p < 0.05)。
AI 摘要这篇批判性综述审视了整合 EEG 与 EMG 的可穿戴脑机接口用于卒中后运动康复,指出皮层与肌肉信号的时空异质性限制了传统 EEG-EMG 融合的可靠性与泛化能力。
AI 摘要研究团队回顾性重新解码47名肌萎缩侧索硬化(ALS)受试者的3,373次P300拼写选择,将神经后验与从5-gram到467亿参数模型的25种语言先验融合。
AI 推荐理由:研究用47名ALS受试者的P300拼写数据量化语言模型先验对融合解码的贡献,为评估脑机接口中模型影响提供了可迁移方法。
AI 摘要一项范围综述结合定量方法学审计,回顾了 67 项使用 cEEGrid 或其衍生硬件的研究,发现该耳周 C 形柔性电极阵列的空间敏感度取决于信号源相对阵列的位置与朝向,而非仅电极到信号源的距离。
AI 摘要一项预印本研究用基于 LSTM 自编码器与稠密神经网络的半监督深度学习架构,从 EEG 微状态序列中分类左手与右手运动想象,并将分类输出作为脑机接口触发信号。模型可提取微状态序列特征用于受试者内和会话内分类,迁移学习用于跨会话或跨受试者迁移时峰值分类准确率约 89%。研究显示,采用该方法的脑机接口校准平均约需 400 秒即可达到 80% 分类准确率。
AI 摘要一项临床前研究开发了皮层内脑机接口(BCI),让动物通过视觉神经反馈将前额皮层神经元群体活动维持在预设目标附近。动物能在数百毫秒至秒级时间尺度上利用即时神经反馈减少神经活动波动,且这种与唤醒水平相关的神经活动调节与 BCI 使用相关。研究提示神经反馈或可增强或恢复神经活动调节能力,在调节受损的临床病症中具有潜在应用价值。
AI 摘要中科院团队提出 BCIJelly,一个将 18 个脑机接口数据集标准化为 AI 可用输入、并集成 15 个基准解码器、80 个可复用模块、自动架构搜索(AAS)与硬件感知神经形态部署的统一生态。
AI 推荐理由:该工作把 18 个数据集、15 个基准解码器与神经形态部署串成统一流程,可供比较不同解码方案与硬件落地路径。
AI 摘要Nature 发布了一个基于 EEG 的脑机接口数据集,用于方向性词语识别。该数据集面向非侵入式 EEG 脑机接口的方向性词语解码研究。
AI 摘要UCSF 的 Starr、Little 等作者报告,两名植入具备感知功能神经刺激器的帕金森病患者通过在家玩飞机模拟游戏完成长期 BCI 训练,能够有效下调皮层 beta 信号(p < 1e-10)。
AI 推荐理由:两名帕金森病患者通过 BCI 训练学会自主调节皮层 beta 信号,并以此控制闭环 DBS 的刺激强度,为无外部控制器的人体神经调控提供原理验证。
AI 摘要研究提出 STE-BiMamba 时空特征增强双向 Mamba 模型,用于运动想象 EEG 解码,在自采 VR-MI 数据集上取得跨会话 97.50%、跨受试者 85.05% 的准确率,并在 BCIC-IV-2a、BCIC-IV-2b、HGD 三个公开数据集上达到当前最优。相比 Transformer 类模型,其推理速度提升一倍,参数量减少 3.5 倍。
AI 摘要Neuron 刊发 Eduardo Fernández 团队研究,在一位盲人受试者的视觉皮层内验证深度学习框架可预测并塑造电刺激诱发的皮层内神经活动。优化后的刺激模式能在低电流下较准确地产生目标神经响应,且记录到的活动比单独使用刺激参数更准确地预测受试者的知觉报告。
AI 推荐理由:在一位盲人受试者视觉皮层内验证深度学习预测并塑造电刺激诱发活动,可与传统刺激参数方案对照。
AI 摘要Neuron 刊发 Eduardo Fernández 团队研究,在一位盲人受试者的视觉皮层内验证深度学习框架可预测并塑造电刺激诱发的皮层内神经活动。优化后的刺激模式能在低电流下较准确地产生目标神经响应,且记录到的活动比单独使用刺激参数更准确地预测受试者的知觉报告。
AI 推荐理由:在一位盲人受试者视觉皮层内验证深度学习预测并塑造电刺激诱发活动,可与传统刺激参数方案对照。
AI 摘要Perich 等人在 Neuron 提出 CURBD,一种从大规模神经记录中提取多脑区相互作用结构的方法,利用数据约束的循环神经网络模型在单细胞分辨率上提取相互作用。作者用来自斑马鱼幼体、小鼠、猴和人类的钙成像与电生理数据集展示了 CURBD 的用途。
AI 推荐理由:CURBD 用数据约束的循环神经网络模型从大规模神经记录中提取跨脑区相互作用,并在四个物种的数据集上做了演示。
AI 摘要Kalugin 等提出 MORSE(微内窥镜传感器多重光学记录),通过荧光传感器的空间多重复用,同时追踪脑细胞外液中的多种分子信号。该技术在小鼠脑切片和清醒行为小鼠的脑脊液中定量捕捉了组合式神经调控状态。
AI 摘要Kalugin 等提出 MORSE(微内窥镜传感器多重光学记录),通过荧光传感器的空间多重复用,同时追踪脑细胞外液中的多种分子信号。该技术在小鼠脑切片和清醒行为小鼠的脑脊液中定量捕捉了组合式神经调控状态。
AI 摘要多机构团队提出一种基于 transformer 的解码器模型,在六名皮层内语音脑机接口受试者数据上联合训练。对每名受试者,无论性别、病因或尝试说话策略,多用户模型解码语音的准确率都高于单用户数据训练的模型,平均相对 WER 降低超过 50%。该多用户模型在留出用户少于 200 句数据上微调后,WER 可低于 7%。
AI 推荐理由:六名皮层内语音脑机接口受试者的数据被联合训练,读者可据此了解跨用户数据汇聚对解码准确率与部署速度的影响。
AI 摘要格式塔创始人彭雷在访谈中解释公司为何选择超声脑机接口路线,认为 AI 从语言模型走向生物模型后,大脑会成为稀缺数据源。格式塔用功能性超声成像(fUS)读取血流变化、经颅聚焦超声(tFUS)调控深部脑区,并计划训练同时使用电信号、超声、血流、核磁影像及行为数据的大脑基础模型,首款产品以慢性疼痛为起点,仍处研发和注册准备阶段。彭雷称计划 2026 年底发布第一代模型,并将其比作 GPT-1.0。
AI 推荐理由:格式塔创始人彭雷解释为何从电学转向超声路线,并给出超声脑机接口与大脑基础模型结合的技术与数据逻辑。
AI 摘要一项发表于 Nature 的研究通过材料与算法的协同设计,实现了稳健的听觉注意解码脑机接口应用。该设计针对听觉注意解码这一 BCI 任务,旨在提升解码的稳健性。
AI 摘要强脑科技在 WAIC 2026 全球首发 BrainCo 脑控机器人训练平台与 BrainCo 灵巧操作数采矩阵,前者采集脑电信号识别意图并驱动机器人动作,无脑机接口背景的研发人员可在 10 分钟内实现“意念”控制机器人,已支持接入人形机器人、机械臂、机械狗等第三方设备。
AI 摘要Lin H、Wang S 等团队提出一种轻量(<3 g)、低成本的结构光照明显微镜,在自由活动小鼠中实现光学切片成像。该系统采用 Ronchi 光栅与时间复用激发的 HiLo 成像,抑制背景荧光,同时保留宽场显微镜的速度、视野与易用性,并支持光学切片多平面成像以提高神经元采集量。
AI 推荐理由:该工作用低成本结构光照明显微镜在自由活动小鼠中实现光学切片,并演示了实时神经解码的闭环脑机接口原型。
AI 摘要强脑科技在 2026 年 WAIC 上发布 BrainCo 脑控机器人训练平台,将脑电采集、范式设计、神经解码、指令映射与机器人执行整合进同一套图形化界面,研究者戴上脑电帽 10 分钟即可用意念控制机器人。其 BrainCo 智能脑电传感系统兼容湿电极与干电极,支持 250/500/1000Hz 三档采样率,32 通道数据经 WiFi 6 实时传输,并已打通多款机器人与机械臂的控制接口。
AI 摘要脑器时代创始人郭亮在专访中称,公司放弃柔性电极路线,转向功能超声神经成像(fUSI)超声脑机接口,定位为做人脑直接与 AI 交互的 AI 硬件公司。他介绍 fUSI 通过颅窗采集毛细血管血流体积变化来解码神经电活动,属微创非侵入式技术;fUSI 用于脑机接口最早一篇论文在 2021 年做离线解码,在线实时解码出现在 2023 年年底,而 tFUS 已有超过 15 年研究积累。
AI 摘要一项评估清醒手术中 ECoG 记录用于胶质瘤管理并与影像数据做相关性分析的临床试验已因医疗器械缺陷中止。该试验原计划在胶质瘤切除过程中采集皮层脑电信号,并与影像学数据进行对照。
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。
AI 摘要一项人机学习研究显示,未训练用户也能提升非侵入式脑机接口控制能力。该研究由 Tech Xplore 报道,但正文未提供受试者数量、通道数、解码指标或试验注册号等具体信息。
AI 摘要Meta 的非侵入式脑机接口 Brain2Qwerty 实现 61% 准确率。该研究结果由 infoq.com 报道。
AI 摘要研究提出 MACB-ResNet 多注意力通道模块与残差学习模型,用银电极采集面部肌肉 sEMG 信号,对舌尖受刺激后的六类电子味觉(无、咸、雪碧、苦、薄荷、酸)进行分类,准确率达 86.32%,高于 KNN 的 65.11%、RF 的 78.35% 和 DenseNet-201 的 81.93%。PCA 与 t-SNE 可视化及消融实验显示残差连接与多注意力通道模块对性能均有显著影响。
AI 摘要Vassiliadis 等人提出,用实时强化反馈替代感觉反馈,可绕过脑机接口对感觉反馈的依赖来改善运动表现。强化反馈通过激活大脑奖赏系统、让受试者在任务中持续获知成功与否,从而在感觉反馈受限时仍能有效提升运动表现。该机制与感觉反馈依赖部分不同的学习通路,且直观、具内在激励性。
AI 摘要一种非侵入式脑机接口与可重构超表面集成,建立神经到电磁的直接转换通路,通过卷积神经网络解码运动想象 EEG 信号并结合 EOG 命令阈值识别,经 FPGA 驱动双极化可重构超表面实现实时电磁波操控。