加快打造原始創(chuàng)新策源地,加快突破關(guān)鍵核心技術(shù),努力搶占科技制高點,為把我國建設(shè)成為世界科技強(qiáng)國作出新的更大的貢獻(xiàn)。

——習(xí)近平總書記在致中國科學(xué)院建院70周年賀信中作出的“兩加快一努力”重要指示要求

面向世界科技前沿、面向經(jīng)濟(jì)主戰(zhàn)場、面向國家重大需求、面向人民生命健康,率先實現(xiàn)科學(xué)技術(shù)跨越發(fā)展,率先建成國家創(chuàng)新人才高地,率先建成國家高水平科技智庫,率先建設(shè)國際一流科研機(jī)構(gòu)。

——中國科學(xué)院辦院方針

首頁 > 科研動態(tài) > 科研進(jìn)展

上海高研院在運動想象范式賦能的新一代腦-機(jī)接口通信領(lǐng)域取得重要進(jìn)展

發(fā)布時間:2025-06-24 【字體: 】【打印】 【關(guān)閉

隨著非侵入式腦機(jī)接口(BCI)技術(shù)在智能控制及物聯(lián)網(wǎng)(IoT)等領(lǐng)域的持續(xù)發(fā)展,基于運動想象(MI)的神經(jīng)信號解碼正成為構(gòu)建自然、高效人機(jī)通信通道的關(guān)鍵手段。BCI 系統(tǒng)通過解讀腦電(EEG)信號,將神經(jīng)活動轉(zhuǎn)化為控制假肢、輪椅等輔助技術(shù)的指令,同時也展現(xiàn)出在智能家居設(shè)備等物聯(lián)網(wǎng)場景中實現(xiàn)免手動交互的潛力,這一能力尤其為行動不便人群提供了更高的可及性與便利性。而現(xiàn)有解碼方法存在明顯不足:傳統(tǒng)卷積核難以捕捉腦電等非網(wǎng)格數(shù)據(jù)的空間依賴關(guān)系,而即便用圖神經(jīng)網(wǎng)絡(luò)(GNN)將EEG通道建模為圖節(jié)點,傳統(tǒng)方法也只能體現(xiàn)電極間的兩兩關(guān)系,忽略了大腦節(jié)點在認(rèn)知任務(wù)中的協(xié)同特性,導(dǎo)致關(guān)鍵關(guān)聯(lián)信息缺失。

針對上述挑戰(zhàn),中國科學(xué)院上海高等研究院(以下簡稱“上海高研院”)智能信息中心下一代移動通信網(wǎng)絡(luò)團(tuán)隊提出一種具備多節(jié)點信息聚合能力的輕量級算法,該技術(shù)立足于運動想象范式,引入最短路徑算法和可學(xué)習(xí)嵌入向量捕捉腦區(qū)協(xié)作路由信息,并通過節(jié)點關(guān)系融合層(NFL)與其它點、面類節(jié)點信息共同構(gòu)建多腦區(qū)協(xié)同圖結(jié)構(gòu),突破傳統(tǒng)圖神經(jīng)網(wǎng)絡(luò)僅表征兩兩電極關(guān)系的局限,形成兼具空間關(guān)聯(lián)性與路徑協(xié)同性的輕量級解碼框架,不僅能突破傳統(tǒng)方法對腦電信號空間關(guān)聯(lián)的建模局限,更能通過降低計算復(fù)雜度與參數(shù)規(guī)模,顯著提升腦機(jī)通信系統(tǒng)在資源受限物聯(lián)網(wǎng)設(shè)備中的適配性,為推動新一代腦機(jī)接口技術(shù)在智能家電控制、可穿戴設(shè)備等領(lǐng)域的規(guī)?;渴鸬於夹g(shù)基礎(chǔ)。相關(guān)研究成果以 NexusNet: Lightweight Graph Modeling for Motor Imagery-based Brain-computer Interfaces 為題,發(fā)表于信號處理領(lǐng)域國際SCI期刊 IEEE Internet of Things Journal,為推動非侵入式腦機(jī)通信系統(tǒng)在資源受限設(shè)備上應(yīng)用提供了新的方法路徑。

圖1.所提技術(shù)架構(gòu)

研究團(tuán)隊提出基于NexusNet的跨域適應(yīng)語義增強(qiáng)運動想象解碼框架,創(chuàng)新性構(gòu)建多維度協(xié)同圖建模機(jī)制。該框架通過Nexus融合層(NFL)實現(xiàn)四維度神經(jīng)關(guān)聯(lián)建模:空間關(guān)聯(lián)(Spatial Nexus)采用量化歐氏距離矩陣表征電極拓?fù)潢P(guān)系,通過可學(xué)習(xí)標(biāo)量動態(tài)調(diào)整空間權(quán)重,解決傳統(tǒng)歐氏距離建模中的計算冗余問題;路由關(guān)聯(lián)(Route Nexus)基于弗洛伊德最短路徑算法,以腦區(qū)跨域標(biāo)簽標(biāo)記神經(jīng)通路,捕捉大腦節(jié)點協(xié)作時的長距離信息傳遞模式;鄰居關(guān)聯(lián)(Neighbor Nexus)通過鄰接矩陣對稱歸一化處理,強(qiáng)化局部電極間的直接交互影響;中心性關(guān)聯(lián)(Centrality Nexus)以節(jié)點度向量嵌入表征電極重要性,平衡網(wǎng)絡(luò)信息傳播權(quán)重。所提算法在BCIC IV 2A運動想象四分類數(shù)據(jù)集上以約3440個可學(xué)習(xí)參數(shù)實現(xiàn)78.78%的四分類準(zhǔn)確率,浮點運算量僅0.88M,邊緣設(shè)備(CPU環(huán)境)推理時延降低至同水平算法的5%-30%。在智能家居控制、可穿戴康復(fù)設(shè)備等實時交互場景中,其無需模型微調(diào)即可適應(yīng)不同用戶的神經(jīng)信號特性,為解決腦電信號時變性強(qiáng)、個體差異顯著的行業(yè)痛點提供了兼具實時性與泛化能力的新型解碼方案。

?

圖2. 所提技術(shù)在 BCIC IV 2A數(shù)據(jù)集上的路由權(quán)重可視化結(jié)果

研究工作由中國科學(xué)院上海高等研究院牽頭,聯(lián)合了上海大學(xué)微電子學(xué)院副院長周婷教授團(tuán)隊協(xié)作完成。論文第一作者為智能信息中心碩士研究生汪梓凱,論文通訊作者為智能信息中心胡宏林研究員。本工作得到了國家自然科學(xué)基金和上海市經(jīng)信委高質(zhì)量發(fā)展專項基金的資助支持。(汪梓凱、司源、王振宇、周婷、徐天衡、胡宏林)

文章鏈接:https://ieeexplore.ieee.org/abstract/document/11018530