深度学习模型实现颅内脑活动的实时情绪解码

摘要

研究者整合来自灰质与白质的颅内神经信号，开发了个性化深度学习模型，可在观看图像和视频的任务中准确解码连续的效价（valence）与唤醒度（arousal）状态。这些模型能够跨任务泛化，识别出编码情绪的脑网络子网络，并实现低延迟的实时解码，使情感脑机接口更接近可用于闭环治疗的水平。论文发表于 Nature Computational Science。