电子测量技术

作者：刘静远，李奇，吴景龙，张志林

单位：1.长春理工大学计算机科学技术学院 长春 130022;2.吉林省脑信息与智能科学国际联合研究中心 长春 130022; 3.长春理工大学中山研究院计算机科学技术学院 中山 528400;4.深圳理工大学生物医学工程学院 深圳 518107;5.中国科学院深圳先进技术研究院医学人工智能中心 深圳 518055

关键词：神经反馈;电子指纹;深度学习;功能磁共振;脑电图;脑机接口

基金：深圳市基础研究专项(JCYJ20241202124859016)、吉林省科技发展计划项目(20240101344JC, 20230203098SF)、中山市社会福利与基础研究项目(2023B2015)资助

现有的BCI神经反馈技术往往很难在时间和空间分辨率之间存在权衡。目前主流的神经反馈技术中，EEG具备毫秒级时间分辨率，但缺乏精确的空间定位能力；fMRI具有高空间分辨率，却受到秒级的时间延迟限制。这种时空分辨率的矛盾限制了神经反馈在临床调控中的应用。为此，本研究提出了一种混合小波神经网络，用于建模EEG信号与fMRI脑区活动之间复杂的非线性映射关系。模型采用并行的小波卷积层与一维卷积层，分别提取EEG的多分辨率频域特征与局部时域特征；通过通道交叉注意力机制建模特征间的非线性交互；并结合LSTM捕捉长程时序依赖。实验结果表明，该方法在两个独立数据集上均实现了对fMRI脑区动态变化的高精度预测，显著优于传统线性模型。该框架不仅扩展了当前神经反馈“EFP”技术的建模能力，还为发展兼具高时空分辨率的神经反馈与脑机接口提供了一条新的技术路线。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期