字号
主题
主题色
字体
文献集总览 / 猕猴上肢运动、学习与虚拟反馈 / B · 闭环 BCI、感觉反馈与解码器适应 / B09 · 空间采样与时间动态塑造宽带皮层信号运动解码

B09 · Spatial Sampling and Temporal Dynamics Shape Motor Decoding from Broadband Intracortical Signals

Zheng, C., Xiao, Y., & Cui, H. (2026). bioRxiv(2026-10-05 发布,未经同行评审)。doi:10.64898/2026.09.29.755257

四只猕猴的离线数据分析显示,宽带信号的运动解码既取决于信号类型,也取决于电极的空间采样方式。LMP 的优势主要来自低频成分,并受电极几何和解码器影响;这些结果尚未证明长期在线 BCI 的稳定性。

核对版本:2026-10-30 下载的公开预印本 PDF;公开全文 · 本地全文。图下页码为 PDF 文件页序,全部主图已对照源页复核。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

皮层内运动解码的研究逐渐从分离单神经元放电,扩展到阈值穿越、放电频段功率、局部场电位和局部运动电位等宽带特征。这一转变涉及实际的工程与系统权衡:保留多少原始信号、如何提取特征,以及在信息量与数据传输成本之间如何取舍。已有研究表明,放电频段功率和高频场电位与局部放电活动密切相关,局部运动电位也能反映运动变化,但不同实验中的解码表现存在明显起伏。因此,某一特征在一组记录中表现较好,尚不足以说明其具备跨系统与跨任务复用的普遍优势,需要明确性能差异究竟源于信号本身,还是受记录与分析条件制约。

电极的空间采样构型是容易与信号类型发生混淆的关键因素。Utah 平面阵列主要沿皮层表面横向分布,双列线性 S-probe 则沿垂直方向跨越多个皮层深度;通道数相同并不意味着捕获了等量的独立信息。若低频电位在皮层垂直柱内高度相关,沿深度增加采样通道往往主要获取冗余信号;而沿皮层表面横向采样若能覆盖具有不同方向偏好的神经元群体,则更有利于群体读出。然而,通道间相关较低本身并不等同于携带更多运动信息,必须结合方向调谐特性与实际解码表现综合评估。时间动态结构同样直接影响特征提取:局部运动电位中包含的慢速时序波形与对应频段的振荡功率属于不同特征,线性滤波模型与能够利用长期时间依赖关系的非线性循环模型所提取的信息也有所不同。

Zheng 等利用四只恒河猴的既有记录数据,在统一通道数的前提下对比了两类电极的宽带信号特征,并依次分析神经单元数量、通道间相关性、偏好方向分布及频率成分对解码差异的影响,进而评估了时间滤波与非线性解码模型的作用。该研究旨在解释局部运动电位的解码表现为何随记录条件产生波动,并验证其有效信息是否主要源自低频慢波结构。相关分析基于离线数据,所引用的文献版本为未经同行评审的预印本。电极类型同时伴随动物个体、记录脑区、行为任务及慢性或急性植入方式的差异,不能将组间表现差异完全归因于几何排布;较高的离线预测精度也未直接提供跨日稳定性、低功耗无线传输或在线闭环神经反馈的测试证据。

研究思路

研究首先匹配通道数量,系统比较 Utah 平面阵列与双列线性 S-probe 的离线位置与速度解码性能,随后分析单元数量、通道间相关性与偏好方向分布。在此基础上分解 LMP 的频率成分,并测试线性与非线性解码器,考察低频波形结构与空间采样几何如何共同影响运动预测。

方法

实验数据基于四只成年雄性恒河猴完成的静止或圆周运动目标延迟伸手及拦截任务。Utah 平面阵列数据来自猴 B 与 Lb 的 M1、PMd 及 dlPFC 脑区,按脑区划分后共 11 个记录会话;S-probe 线性阵列数据来自猴 G 与 Lp 的 M1 和 PMd 脑区,共 26 个记录会话(其中 G 与 Lp 的数据曾在 Zheng 等 2025 年的工作中使用,本文为对已有数据的再分析与比较)。

信号采样率为 30 kHz。SBP 特征经共平均参考、300–1000 Hz 带通滤波、全波整流及 50 ms 平滑处理得到;LMP 经低通滤波及 50 ms Hanning 窗平滑提取;LFP 功率按频段划分为 0.5–4 Hz、12–25 Hz、50–100 Hz、100–200 Hz 与 200–400 Hz。每次解码分析统一选取 64 个通道(96 通道 Utah 阵列通过随机子抽样匹配至 64 通道)。神经与运动学信号降采样至 100 Hz,截取运动发起至触靶时段,采用五折连续时间块交叉验证预测二维手部位置和速度。使用的解码算法包括岭回归(ridge)、维纳滤波(Wiener)、PSID 以及 MLP、CNN 和 GRU 等神经网络模型,评价指标为离线决定系数 R²。

主要结果

在各特征中,LMP 与 SBP 展现出较高的解码表现,但 LMP 在不同电极类型之间的性能差异最为显著。在位置解码中,Utah 与 S-probe 的 LMP 中位 R² 分别为 0.51 和 0.11,SBP 分别为 0.50 和 0.42;在速度解码中,LMP 分别为 0.50 和 0.04,SBP 分别为 0.53 和 0.27。SBP 与 200–400 Hz 功率的解码精度随记录到的神经单元数增加而提高,但 LMP 在单元数相近时仍保持明显的电极分组差异,说明单元数量并非造成阵列差异的唯一起因。

空间相关性分析显示,Utah 阵列的 LMP 信号跨电极相关性更低,偏好方向分布更为分散。SBP 及更高频段信号在相似物理间距下的通道相关程度接近,表明低频信号沿垂直深度的采样比横向采样具有更高的空间冗余度。通道消融分析显示,LMP 达到 95% 最大性能所需的通道比例在 S-probe 约为 40%,在 Utah 约为 50%;SBP 在两类电极上均约为 40%。这反映出两种几何采样方式在信息冗余空间结构上的不同特性。

频率成分分析表明,原始 delta(0.1–4 Hz)时序信号的解码性能与完整 LMP 相当,但 delta 频段功率的解码能力明显较弱;LMP 时序波形与运动相关皮层电位(MRCP)相似,均呈现运动前逐步累积、运动发起前快速上升的时程特征。结果表明 LMP 的解码能力主要依赖低频 MRCP 样时域慢波形,而非该频段的振荡能量。

在低通滤波截止频率超过约 4 Hz 后,多数解码器的性能趋于平缓,但最优截止频率因解码算法与记录会话而异。在 Utah 数据上,循环网络 GRU 的位置和速度解码 R² 分别达到 0.75 与 0.68,卷积网络 CNN 为 0.71 与 0.67,均优于传统线性基线模型。最优滤波区间并非固定的特定频段组合,而在 0.01–0.5 Hz 范围内的高通滤波参数调整对结果影响较小。所有分析均为离线交叉验证结果,未涉及在线闭环实验或跨日解码稳定性评估。

逐图解读

图1 原文 Fig. 1 · PDF 第 15 页 · 原文图像 · 公开来源

图1 · 任务、电极和信号处理。 展示静止/移动目标、Utah 与 S-probe 几何以及 SBP/LMP/LFP 提取流程。两类电极同时在空间范围、深度采样和慢性/急性记录方式上不同。

图2 原文 Fig. 2 · PDF 第 17 页 · 原文图像 · 公开来源

图2 · 特征解码及单元数关系。 LMP 的阵列差异明显大于 SBP;单元数与高频特征表现相关,但不能消除 LMP 的阵列分组。每点是一个脑区/session 数据集,不是独立动物数。

图3 原文 Fig. 3 · PDF 第 19 页 · 原文图像 · 公开来源

图3 · 信号相关的空间结构。 LMP 在 S-probe 中高度相关,Utah 中较低;SBP 的相关性低且在相似间距下两类电极更接近。相关低本身不是信息多的证明,需与解码和方向分析合读。

图4 原文 Fig. 4 · PDF 第 22 页 · 原文图像 · 公开来源

图4 · 偏好方向及通道累加。 低频偏好方向在 S-probe 中更集中,Utah 中更分散。通道累加曲线用于估计冗余,不是在线逐步减少电极的实验。

图5 原文 Fig. 5 · PDF 第 24 页 · 原文图像 · 公开来源

图5 · LMP 的频率分解与 MRCP 样波形。 原始 delta 信号保留最多解码信息,波形又呈运动相关慢电位特征;频段功率与原始波形不可混为同一特征。

图6 原文 Fig. 6 · PDF 第 27 页 · 原文图像 · 公开来源

图6 · Utah 数据的解码器与低通优化。 CNN/GRU 利用时间结构后有较大增益;最佳 cutoff 的分布说明需按 session 和解码器调参。

图7 原文 Fig. 7 · PDF 第 28 页 · 原文图像 · 公开来源

图7 · S-probe 的对应分析。 非线性解码仍有帮助,但整体 R² 较低、最优 cutoff 更分散;不能把 Utah 的数值直接移植到线性电极。

图8 原文 Fig. 8 · PDF 第 29 页 · 原文图像 · 公开来源

图8 · 高通 cutoff 敏感性。 在所测 0.01–0.5 Hz 范围内变化较小,这是参数敏感性结果,不证明更低频率在所有硬件中都无漂移或伪影。

讨论与解读边界

该研究联合考察了神经特征提取、空间电极几何与时序解码模型之间的相互关系。研究数据不支持平面阵列普遍优于线性探针的通用性推论:由于电极构型与实验动物个体、记录脑区、动作任务、急慢性手术条件以及植入深度等因素同时存在差异,未能形成同位点严格对照。通道间相关性较低与偏好方向分散为解释解码差异提供了线索,但不构成皮层水平与垂直功能构筑的因果证明。

原文第 3.4 节关于 Utah 阵列 R 值“generally higher”的个别文字表述,与后续“LMP PDs were more variable in the Utah array”及正文解释存在语义张力,此处按图示及总体结论理解为 Utah 阵列的偏好方向分布更为发散,不据该句作额外推断。研究未直接测试长期植入稳定性、无线遥测能效或在线神经假体闭环控制表现。

思考问题

  1. 在同一动物、同一脑区用可转动的三维阵列改变采样方向后,LMP 的电极几何效应能否被单独复现?
  2. 按 session 选择低通 cutoff 和非线性解码器,在跨日在线 BCI 中能否保持收益而不增加校准偏差?
返回总纲