يعتمد تطوير واجهات الدماغ الحركية (BCI) بشكل حاسم على خوارزميات فك تشفير السلاسل الزمنية العصبية. تتيح التطورات الحديثة في هياكل التعلم العميق إمكانية اختيار الميزات تلقائيًا لتقريب الاعتماديات من الدرجة العليا في البيانات. يقدم هذا المقال نموذج FingerFlex – وهي بنية مُشفّرة-مُفكّكة باستخدام التحويلات التلافيفية، مُعدّلة لاستخدامها في الانحدار الحركي للإصبع على بيانات الدماغ الكهروتقوسية (ECoG). وقد تم تحقيق أداء متميز على مجموعة بيانات مسابقة BCI IV المتوفرة للعامة (البيانات 4)، حيث بلغ معامل الارتباط بين المسارات الحقيقية والمسارات المُتنبأ بها ما يصل إلى 0.74. ويُتيح هذا النهج فرصة لتطوير واجهات دماغ حركية جزئية أو كاملة الدقة في التحكم بالحركة القشرية.