导语


理解大脑神经活动对于认知科学、临床诊断以及脑机接口应用具有重要意义。脑电图（EEG）和脑磁图（MEG）提供了安全便利的神经活动测量手段。随着数据驱动范式的兴起神经网络为处理EEG/MEG信号提供了有力的工具。然而EEG/MEG信号高维、非平稳、低信噪比的特性以及跨设备、跨受试、跨任务的差异，极大约束了可用数据的规模以及模型的能力，限制了EEG/MEG信号表征的质量，为相关的应用提出了挑战。

本周日的分享是集智「脑机接口」社区的一次加餐。为了进一步梳理脑机接口相关理论与技术前沿，集智俱乐部联合清华大学高小榕、中科院自动化所刘冰、中科院深圳先进院李骁健、清华大学眭亚楠四位老师，发起「脑机接口」读书会。读书会从2024年5月19日开始，持续时间10周左右，欢迎大家加入！





分享简介




本次分享将梳理脑电脑磁信号表征学习的发展脉络，从早期针对单一任务、单一数据集的模型，到近期专注于自监督预训练的脑信号基础模型，展示该领域从“任务特化”迈向“通用表征学习”的趋势。其中将介绍由上海人工智能实验室联合清华大学、剑桥大学等合作单位发布的BrainOmni基础模型。BrainOmni首次统一建模脑电信号与脑磁信号，并进行跨模态、跨设备、跨任务、跨被试的通用表征学习。该模型在涵盖了运动意图解码、情绪识别、神经疾病诊断等9项下游任务中取得领先性能，并展现出强大的零样本跨设备泛化能力，证明了脑电脑磁的跨模态增益效果。


最后，本次分享将讨论当前脑信号基础模型仍未解决的关键问题，包括当前基础模型模型泛化能力的不足以及更丰富神经模态的整合困难，并展望构建下一代脑信号基础模型可能的研究方向。





分享大纲




  1. 脑电图（EEG）与脑磁图（MEG）信号简介

  2. 从专到通的脑电脑磁信号表征学习沿革

  3. BrainOmni模型讲解

  4. 当下脑信号基础模型的困难与未来展望





主讲人介绍




肖钦帆，清华大学电子工程系大四在读学生，目前正在探索的研究方向是脑信号的自监督学习以及脑信号的语言解码。





参与方式




时间：

2025年12月14日（周日）晚上19:00-20:00，腾讯会议室进行。


参与方式：

https://pattern.swarma.org/study_group_issue/1045?from=wechat


扫码报名脑机接口读书会，加入社群，获取系列读书会永久回看权限，与社区的一线科研工作者沟通交流，共同溯源复杂科学的思想脉络。


脑机接口读书会


脑机接口是通过读取大脑神经信号来实现人脑与外部设备交流与控制的前沿技术。作为一个前沿交叉领域，脑机接口技术是跨学科研究的典型代表，融合了控制科学、神经科学、计算机科学、工程学等多个学科领域。针对相关领域，集智已经举办了多个系列读书会与课程，追踪计算神经科学、NeuroAI、神经动力学模型、控制科学等进展。


为了进一步梳理脑机接口相关理论与技术前沿，集智俱乐部联合清华大学高小榕、中科院自动化所刘冰、中科院深圳先进院李骁健、清华大学眭亚楠四位老师，发起「脑机接口」读书会。读书会从2024年5月18日开始，每周六19:00-21:00，持续时间预计8-10 周，欢迎从事相关研究、对脑机接口感兴趣的朋友报名参与交流。



详情请见：
从科幻到现实，从发现到应用：脑机接口读书会启动


点击“阅读原文”，报名读书会

内容中包含的图片若涉及版权问题，请及时与我们联系删除