学院动态
    学院动态
    位置: 首页 > 学院动态 > 正文

    增材制造与工业机器人应用技术团队在中科院一区Top期刊《Engineering Applications of Artificial Intelligence》发表最新研究成果

    '

    时间:2026-11-16 浏览:来源:李肖

    近日,我院增材制造与工业机器人应用技术团队在国际学术期刊 Engineering Applications of Artificial Intelligence(EAAI,中科院一区TOP期刊,影响因子9.0)上发表了一篇题为《Spike-local field potential-based multi-scale fusion decoding algorithm in intracortical brain-machine interfaces》的文章,10.1016/j.engappai.2026.115671。

    该论文的第一完成单位为湖北工业大学机械工程学院,由我院李肖老师和研究生曾雨等人共同完成。该工作得到了国家自然科学基金的资助。

    侵入式皮层脑机接口(iBMI)可通过颅内植入电极采集神经元锋电位(Spike)与局部场电位(LFP),解码运动意图,帮助神经损伤患者重建运动能力,是康复工程领域前沿方向。现有锋电位‑局部场电位融合解码算法存在模态特征挖掘不充分、融合权重固定、跨天泛化能力差等痛点,电极漂移、信号长期退化会造成解码性能明显下滑,制约脑机接口临床落地。

    针对该难题,团队构建轻量化三分支并行MFND框架。设计分别适配Spike、LFP的专用特征提取模块,结合注意力机制实现跨模态动态加权,搭配协同学习策略缓解分支训练失衡。在猕猴运动分类、运动轨迹回归两项任务上开展验证,分类精度可达0.93±0.025,轨迹解码皮尔逊相关系数CC达0.91±0.017。跨天测试相较现有主流算法,精度提升2%、CC提升4%。模型参数量约 210 万,单样本推理 45‑55ms,具备嵌入式部署潜力。该项研究为侵入式脑机接口临床转化提供了新的解码方案。

    原文链接:https://www.sciencedirect.com/science/article/abs/pii/S095219762601955X