文献速递
训练脑机接口解码器，通常要给每位新受试者重新采集几千次带标注的试验数据，这既费时，对患者也是负担。颅内脑电的难点还在于，电极触点位置和神经解剖结构因人而异，自监督学习在这类数据上一直不好做。Ben Tang、Zachary Spalding和Gregory B. Cogan提出的MAPA方法，用两种空间编码解决个体差异问题，在跨受试者测试中把所需标注试验从约3500次压到约164次，减少九成以上。
自监督预训练的思路是用跨受试者累积的未标注脑电记录，让模型先学到通用的神经信号特征。所谓未标注，就是只有脑电波形，没有同步记录的行为或任务标签。这类数据采集简单、积累量大，但此前在颅内脑电上用得不多，原因就是电极布局和脑解剖的个体差异太大。
MAPA基于掩码自编码器，随机遮住一部分输入信号，让模型根据剩余信号把被遮住的部分还原出来，这个过程只用未标注数据就能完成。在此基础上，MAPA加了两种空间编码来应对颅内脑电的个体差异。
第一种是解剖区域嵌入，为每个电极触点标注它所在的大脑解剖区域，让模型知道这个触点采的是哪块皮层的信号。第二种是相对位置编码，保留触点之间的空间关系，不依赖固定的电极排列。研究称两者结合使模型内部提取的特征能够迁移到没见过的受试者，并适用于多种解码任务。
研究团队在Neuroprobe基准上做了测试。这个基准覆盖会话内、跨会话和跨受试者三种评估模式，分别考察模型在同一次采集、不同时间采集和完全陌生受试者上的表现。MAPA在三种模式下均刷新了此前最好成绩，且不需要对新数据做微调。
跨受试者模式下的结果最直观。用MAPA提取的特征加上一个最简单的线性分类器，只需约164次带标注试验就能达到无预训练时约3500次试验的准确率，标注需求减少九成以上。
植入式脑机接口落地的一个障碍就在校准环节。每位患者植入电极后都要花大量时间做标注任务来训练解码器，对患者和临床团队都是负担。如果预训练能把标注需求压到原来的十分之一以下，校准流程会轻很多。作者认为这项工作表明，自监督预训练可以扩展到个体差异很大的颅内脑电记录。
该研究为预印本，尚未经同行评审。基准测试成绩不等于临床效果，从Neuroprobe上的数字到真正缩短患者的校准时间，还需要在临床植入场景下验证。论文共15页，含5幅图，代码已在GitHub公开。
颅内脑电记录也广泛用于癫痫监测。脑机百科此前收录，2026年9月有研究验证植入级脑机接口能保留癫痫诊断所需的高频振荡信号，2026年7月另一项研究用深度学习从发作间期脑电定位致痫区，完成了161名患者的跨中心验证。
164次试验对应的具体时间取决于任务设计和信号采集速率，论文没有给出分钟数。下一步要看的是MAPA在活体植入场景下能否保持同样的标注效率。
基于MAPA特征的线性探针只需约164次带标注试验即可达到无预训练时3500次试验的准确率，标注需求减少90%以上
论文
来源：本文来源于“脑机百科”，仅用于学术资讯分享，如有侵权请联系管理员删除。
原文链接：
脑机接口产业联盟作为脑机接口的合作与促进平台，着力聚集产业界各方资源，共同致力于推进脑机接口产业发展、需求与架构、标准、产品、解决方案及应用推广，形成良好的合作氛围及协作机制，围绕产业链，协调组织关键问题研究和核心技术攻关，促进产业生态繁荣，为中国及全球脑机接口产业发展提供必要支撑。
加入方式
关注脑机接口产业联盟公众号，菜单栏获取联盟加入申请表格，材料齐全后发秘书处。
欢迎业界积极参与联络，联系邮箱：bcia@caict.ac.cn。
（扫码获取加入联盟的申请材料）
