隨著非侵入式腦機接口(BCI)技術在智能控制及物聯(lián)網(IoT)等領域的持續(xù)發(fā)展，基于運動想象(MI)的神經信號解碼正成為構建自然、高效人機通信通道的關鍵手段。BCI 系統(tǒng)通過解讀腦電(EEG)信號，將神經活動轉化為控制假肢、輪椅等輔助技術的指令，同時也展現出在智能家居設備等物聯(lián)網場景中實現免手動交互的潛力，這一能力尤其為行動不便人群提供了更高的可及性與便利性。而現有解碼方法存在明顯不足：傳統(tǒng)卷積核難以捕捉腦電等非網格數據的空間依賴關系，而即便用圖神經網絡(GNN)將EEG通道建模為圖節(jié)點，傳統(tǒng)方法也只能體現電極間的兩兩關系，忽略了大腦節(jié)點在認知任務中的協(xié)同特性，導致關鍵關聯(lián)信息缺失。
 

　　針對上述挑戰(zhàn)，中國科學院上海高等研究院(以下簡稱“上海高研院”)智能信息中心下一代移動通信網絡團隊提出一種具備多節(jié)點信息聚合能力的輕量級算法，該技術立足于運動想象范式，引入最短路徑算法和可學習嵌入向量捕捉腦區(qū)協(xié)作路由信息，并通過節(jié)點關系融合層(NFL)與其它點、面類節(jié)點信息共同構建多腦區(qū)協(xié)同圖結構，突破傳統(tǒng)圖神經網絡僅表征兩兩電極關系的局限，形成兼具空間關聯(lián)性與路徑協(xié)同性的輕量級解碼框架，不僅能突破傳統(tǒng)方法對腦電信號空間關聯(lián)的建模局限，更能通過降低計算復雜度與參數規(guī)模，顯著提升腦機通信系統(tǒng)在資源受限物聯(lián)網設備中的適配性，為推動新一代腦機接口技術在智能家電控制、可穿戴設備等領域的規(guī)模化部署奠定技術基礎。相關研究成果以 NexusNet: Lightweight Graph Modeling for Motor Imagery-based Brain-computer Interfaces 為題，發(fā)表于信號處理領域國際SCI期刊 IEEE Internet of Things Journal，為推動非侵入式腦機通信系統(tǒng)在資源受限設備上應用提供了新的方法路徑。
 

圖1.所提技術架構
 

　　研究團隊提出基于NexusNet的跨域適應語義增強運動想象解碼框架，創(chuàng)新性構建多維度協(xié)同圖建模機制。該框架通過Nexus融合層(NFL)實現四維度神經關聯(lián)建模：空間關聯(lián)(Spatial Nexus)采用量化歐氏距離矩陣表征電極拓撲關系，通過可學習標量動態(tài)調整空間權重，解決傳統(tǒng)歐氏距離建模中的計算冗余問題；路由關聯(lián)(Route Nexus)基于弗洛伊德最短路徑算法，以腦區(qū)跨域標簽標記神經通路，捕捉大腦節(jié)點協(xié)作時的長距離信息傳遞模式；鄰居關聯(lián)(Neighbor Nexus)通過鄰接矩陣對稱歸一化處理，強化局部電極間的直接交互影響；中心性關聯(lián)(Centrality Nexus)以節(jié)點度向量嵌入表征電極重要性，平衡網絡信息傳播權重。所提算法在BCIC IV 2A運動想象四分類數據集上以約3440個可學習參數實現78.78%的四分類準確率，浮點運算量僅0.88M，邊緣設備(CPU環(huán)境)推理時延降低至同水平算法的5%-30%。在智能家居控制、可穿戴康復設備等實時交互場景中，其無需模型微調即可適應不同用戶的神經信號特性，為解決腦電信號時變性強、個體差異顯著的行業(yè)痛點提供了兼具實時性與泛化能力的新型解碼方案。
 

圖2. 所提技術在 BCIC IV 2A數據集上的路由權重可視化結果
 

　　研究工作由中國科學院上海高等研究院牽頭，聯(lián)合了上海大學微電子學院副院長周婷教授團隊協(xié)作完成。論文第一作者為智能信息中心碩士研究生汪梓凱，論文通訊作者為智能信息中心胡宏林研究員。本工作得到了國家自然科學基金和上海市經信委高質量發(fā)展專項基金的資助支持。