Nature发表研究：单一ECoG植入物实现瘫痪患者语音与手势同步解码
加州大学旧金山分校团队在《Nature Neuroscience》发表研究，证明单一高密度皮层脑电（ECoG）植入物可支持严重瘫痪患者同时进行语音和手势的多效应器解码。
推荐理由：该研究验证了单一皮层脑电植入物同时解码语音与手势的可行性，为瘫痪患者恢复多模态自然交流提供了技术路径。
#神经解码
Nature · Brain–machine interface精选AI 评分8282
Nature · Brain–machine interface精选AI 评分8282 Nature发表研究：利用共享潜在表征实现跨患者语音解码
Nature Communications发表的一项研究提出了一种利用微皮层脑电（μECoG）记录中共享潜在动态的方法，以实现跨患者的语音解码。研究人员对8名患者进行了急性神经记录，发现尽管电极放置和神经解剖存在差异，控制发音肌肉的神经群体活动在患者间具有可对齐的低维结构。
推荐理由：该研究通过跨患者对齐共享的潜在动态，显著减少了语音脑机接口所需的个体化数据收集时间，为快速部署提供了新路径。
g.tec · 技术与活动AI 评分3838 g.tec 解析超高密度 EEG 如何改变脑图谱绘制：64 至 1024 通道对比
g.tec 指出超高密度 EEG 通过增加空间采样提升脑图谱精度，支持从 64 到 1024 通道的扩展。其 g.Pangolin 平台结合 g.HIamp 放大器可实现 1024 同步通道、8.6 mm 电极间距及 38.4 kHz 采样率。该技术兼容传统范式，助力神经解码与源定位研究。
脑机前沿 · 公众号精选AI 评分8181 Meta发布Brain2Qwerty v2：非侵入MEG脑到文本解码，最佳受试者WER降至22%
Meta AI联合École Normale Supérieure、BCBL等发布Brain2Qwerty v2，用CTC异步解码加Qwen3-4B LoRA微调从MEG信号解码整句，最佳受试者WER 22%，较v1的52%约提升一倍。
推荐理由：原文梳理了v2相对v1在异步解码、数据规模和LLM接入上的具体改动与结果，读者可以了解非侵入脑到文本的可行路径。
Nature · Brain–machine interface精选AI 评分6565 人类脑机接口控制中受时长调制的神经群体动力学研究
加州理工学院团队在《Communications Biology》发表研究，探讨运动皮层（MC）在脑机接口（BMI）光标控制中的动态特性。研究发现，尽管不同持续时间的同向运动共享相同的MC初始条件，但长时程运动会使MC活动维持在低速度稳态直至达到目标。这种跨时长的群体动力学差异归因于外部输入的作用，强调了持续输入对运动皮层在运动过程中的关键影响。
推荐理由：揭示了不同时长BMI任务中运动皮层动态差异源于外部输入，为理解长期稳定控制提供新视角。
Nature · Brain–machine interface精选AI 评分8282 Nature：人类中央前回全身运动表征的单神经元分辨率图谱
研究人员利用8名瘫痪受试者植入的20个微电极阵列，首次绘制了人类中央前回（PCG）顶部在单神经元分辨率下的全面运动图谱。研究发现PCG包含四个主要功能区域：背侧手臂-手部区、中部语音区、腹上广泛调谐的面部区和腹下语音区，且各区域均存在可解码的全身运动表征。
推荐理由：该研究绘制了人类中央前回单神经元分辨率的全身运动图谱，揭示了四个功能分区及组合式神经编码，为优化脑机接口电极植入位置提供了依据。
g.tec · 技术与活动AI 评分4040 通用空间模式算法助力脑机接口实现首次100%实时准确率
1998年，格拉茨大学团队利用通用空间模式（CSP）算法处理64通道运动想象EEG数据，使受试者“g3”在实时实验中连续160次正确移动光标，达成首个100%准确率的脑机接口记录。该突破证实了信号处理与系统工程协同优化对高性能BCI的关键作用，CSP至今仍是运动想象解码的核心基准算法。