神经解码模型、在线校准、神经数据基础模型等算法进展。
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。