直播節選

感謝屏幕前的各位專家、老師和同學們的收看，我是深圳大學的張治國。我今天介紹的是關于神經信息解碼和調控的一些工作，匯報中若有不足之處，請各位批評指正。

我的報告題目是：神經信息的個體化精準解碼與調控。

01神經信息精準解碼與調控

神經信息是指神經系統（主要是大腦）成像與生理測量數據中蘊含的信息。

不同的神經信號具有不同的時空分辨率，比如腦電信號具有較好的時間分辨率，但美中不足的是其空間分辨率卻不盡如人意。fMRI信號的空間分辨率更加精細，但時間分辨率較差。

神經信息蘊含在這些豐富而復雜的多模態的影像和數據中。

神經解碼是指從神經信號影像中識別或重建在大腦中編碼的信息。

2013年來自Nature雜志Brain decoding: Reading minds文章提到：通過掃描大腦活動并進行分析，科學家們能夠解碼人們的想法、意圖、甚至夢境。

如上圖所示，我們看到一只鞋子和看一只貓時，大腦產生的信息編碼響應是不同的。

所謂的解碼，是指我們已經獲取大腦神經活動信息，并據此反推出所看到的事物到底是什么，這是與編碼相逆的一個過程。

神經調控是指通過將刺激（電刺激、化學刺激、聲刺激、光刺激、磁刺激等）遞送至特定神經部位而使神經活動正常化或進行神經功能的調節。

相信大家都聽聞過精準醫學這個詞，它是針對病患的個別情形，進行體化診療的醫學模式。此醫學模式會配合病患的基因、影像和其他分析手段來選擇適當的最佳療法。

02復雜的神經信息：個體差異性

同樣的，對于神經信息，我們也可以進行個體化精準解碼與調控。

個體化精準解碼是指在個體層面上分析神經信息，并根據此信息解碼該個體特有的動態生理心理狀態。

這與傳統的組間對比是有差別的，個體化精準解碼更強調的是針對每個個體進行分析判別。

個體化精準的神經調控指的是根據受試者生理心理特征和病灶病因等施加精準靶向的調控模式。

那么為什么我們需要對神經信息進行個體化精準的解碼與調控呢？道理很簡單：神經信息存在極大的個體差異性！

下面舉幾個個體差異性的例子。比如做腦機接口研究中，不同個體使用運動想象腦機接口系統的表現有很大不同，很多人可能無法正常使用，即出現所謂的“腦機接口盲”。

熟悉機器學習的同學應該知道，機器學習模型的泛化能力是非常重要的，但當我們把A組訓練的模型運用到B組身上，這種學習模型的效果就很有可能顯著下降。出現這種情況的主要原因是由于不同的中心數據之間存在極大的個體差異性。

就目前的神經調控手段來說，其效果多是參差不齊的。以tDCS/TMS為例，同樣的設置，同樣的參數，不同受試者的獲益程度也有極大不同。

個體差異性分為兩類：個體間差異和個體內差異。

個體間差異，簡而言之就是，人與人是不同的。不同個體的自發或誘發的神經活動及相應的行為感知存在差異性。

個體內差異指的是，同一人在不同時間和環境下的神經活動和行為也存在極大差異。

下面我將以我的主要研究方向，基于腦信號的疼痛解碼為例，給大家闡述如何實現個體化精準解碼與調控。

注：上述內容在征得張治國老師同意后，在不改變原意的情況下進行的部分文字整理。觀看完整視頻內容請掃描下方二維碼。

掃描二維碼

觀看完整視頻

點擊此處，觀看最新直播及回放。