- 2 次围观
**目的。** 神经解码性能在很大程度上取决于神经信号的表征方式；然而，宽带皮层内活动中的信息性成分如何随电极配置和解码策略而变化，仍不明确。我们系统比较了跨越多个时间尺度的神经特征，以确定实现稳健运动解码的关键因素。 **方法。** 神经记录采集自执行延迟到达任务的恒河猴背侧前运动皮层、初级运动皮层和背外侧前额叶皮层，任务目标为静态或移动目标。信号分别采用64通道线性S探针或96通道平面式Utah阵列记录。我们利用线性和非线性解码器，比较了多个频段的脉冲频带功率（spiking-band power，SBP）、局部运动电位（local motor potential，LMP）和局部场电位（local field potential，LFP）功率。进一步地，我们表征了促成LMP解码的频谱和时间成分，并评估了通道冗余性。 **主要结果。** SBP和高频LFP特征的解码性能随记录到的单个神经元数量增加而提升，而LMP的性能则更多地受到电极几何构型的影响。与线性S探针相比，平面式Utah阵列能够实现更高的LMP解码性能，同时伴随更低的电极间相关性和更大的偏好方向变异性。频谱分析显示，LMP解码主要由与δ频带及运动相关皮层电位相重叠的低频成分驱动，其最佳解码频率范围约为0.1–8 Hz。非线性时间解码器，尤其是卷积神经网络和门控循环单元模型，进一步提升了LMP的解码性能。 **意义。** 这些发现表明，对运动解码最具信息量的神经特征同时取决于空间采样配置和所记录活动的时间结构。研究结果凸显了低频群体动力学的重要性，并为优化神经信号表征以及减少可扩展、无线脑机接口中的冗余神经数据提供了原则。
**目的。** 神经解码性能在很大程度上取决于神经信号的表征方式；然而，宽带皮层内活动中的信息性成分如何随电极配置和解码策略而变化，尚不明确。我们系统比较了跨越多个时间尺度的神经特征，以确定影响稳健运动解码的因素。
**方法。** 我们记录了恒河猴在执行朝向静止或移动目标的延迟到达任务时，其背侧前运动皮层、初级运动皮层和背外侧前额叶皮层的神经活动。信号分别采用64通道线性S探针或96通道平面式Utah阵列进行记录。我们利用线性和非线性解码器，比较了多个频段的脉冲带功率（spiking-band power，SBP）、局部运动电位（local motor potential，LMP）和局部场电位（local field potential，LFP）功率。进一步地，我们表征了影响LMP解码的频谱和时间成分，并评估了通道冗余性。
**主要结果。** SBP和高频LFP特征的解码性能随所记录单个神经元数量的增加而提升，而LMP性能则更显著地受到电极几何结构的影响。与线性S探针相比，平面式Utah阵列能够实现更高的LMP解码性能，同时伴随着更低的电极间相关性和更大的优选方向变异性。频谱分析表明，LMP解码主要由与δ频段及运动相关皮层电位重叠的低频成分主导，其最佳解码频率范围约为0.1–8 Hz。非线性时间解码器，尤其是卷积神经网络和门控循环单元模型，进一步提升了LMP解码性能。
**意义。** 这些发现表明，对运动解码最具信息性的神经特征同时取决于空间采样配置和所记录活动的时间结构。研究结果强调了低频群体动力学的重要性，并为优化神经信号表征以及减少冗余神经数据、实现可扩展且无线的脑机接口提供了基本原则。
感谢您有兴趣传播有关bioRxiv的信息。
**注意：** 请求提供您的电子邮箱地址仅用于确认您是本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.29.755257v1?rss=1
🏷️ 运动解码 脑机接口 宽带皮层内信号 电极几何构型 局部运动电位 低频群体动力学