arXiv（brain-computer interface）·2026-09-23 15:05· 2026-09-23AI 评分27

TCLA：面向脑机接口的任务条件潜在对齐实现跨会话稳定神经解码

Stable Neural Decoding Across Sessions via Task-Conditioned Latent Alignment for Brain-Machine Interfaces

AI 导读

研究者提出任务条件潜在对齐（TCLA）框架，通过为每种任务条件分别对齐源域与目标域分布，将目标神经活动映射到固定的共享潜在空间，以稳定侵入式脑机接口的跨会话解码。

AI 要点

团队

第一作者 Canyang Zhao，末位作者 Bing Liu，共 5 位作者。

主要结果

长期跨会话评估平均 R² 0.476±0.014，负 R² 失败率 6.8%；跨受试者 2,134 对会话平均 R² 0.218±0.004，失败率 12.9%，明显优于对比方法。

解决什么问题

侵入式脑机接口跨会话记录神经元群体变化导致解码不稳定，现有潜在对齐方法可能忽略任务相关结构。

方法

在七个非人灵长类数据集、多任务上评估；用神经重建与连续行为监督学习低维源表征，目标会话按任务条件分别对齐源与目标分布。

局限

从研究设计看，全部结果来自非人灵长类数据集，未报告人体受试者验证。

AI 依据原文整理，未经人工核对。