الهدف. تُحلّل واجهات الدماغ-الحاسوب (BCIs) المعلومات من النشاط العصبي وترسلها إلى الأجهزة الخارجية. يُمكّن استخدام مناهج التعلم العميق في التحليل من هندسة الميزات تلقائيًا ضمن المهمة المحددة للتحليل. ويضمن التفسير البيولوجي المُعقَّل لمعاملات الشبكة متانة القواعد المُستخلصة للقرارات، مما يفتح فرصة مثيرة لاكتشاف المعرفة تلقائيًا.النهج. نصف بنية مدمجة تعتمد على الشبكات التلافيفية (CNN) لتحليل تكيّفي للبيانات الكهروإيكوغرافية (ECoG) إلى الحركية اليدوية. كما نقترح منهجًا جديدًا مُبرَّرًا نظريًا لتفسير المعاملات المكانية والزمنية في البنية التي تدمج التكيّف في كل من المجال المكاني والزمني. يمكن بعد ذلك تفسير الأنماط المكانية والتكرارية الناتجة، التي تُوصِف المجموعات العصبية المحورية في المهمة التحليلية المحددة، من خلال تطبيق نماذج مكانية وديناميكية مناسبة.النتائج الرئيسية. قمنا أولًا باختبار حلنا باستخدام محاكاة مونت كارلو واقعية. ثم، عند تطبيقه على بيانات ECoG من مجموعة بيانات مسابقة بيرلين BCI IV، أظهرت بنيتنا أداءً يُقارن بأفضل النتائج في المسابقة دون الحاجة إلى هندسة ميزات صريحة. وباستخدام المنهج المقترح لتفسير معاملات الشبكة، تمكّنا من كشف الأنماط المكانية والتكرارية للعمليات العصبية الكامنة وراء التحليل الناجح للحركة اليدوية من مجموعة بيانات ECoG. وأخيرًا، طبّقنا النظام الكامل على تحليل مجموعة بيانات EEG ذات 32 قناة لتمثيل الحركة الذهنية، ولاحظنا أنماطًا متميزة وقابلة للتطبيق بيولوجيًا تتماشى مع المهمة.الأهمية. قدمنا بنية CNN مدمجة وقابلة للتفسير، مستمدة من المبادئ الأساسية، وتشمل المعرفة في مجال الفسيولوجيا الكهربائية للدماغ. لأول مرة في سياق هكذا بنى متعددة الفروع مع معالجة منفصلة للمجال المكاني والزمني، قدمنا قواعد مُبرَّرة نظريًا لتفسير المعاملات. وتم التحقق من صحة هذه القواعد باستخدام محاكاة وبيانات حقيقية، وأظهرنا أن الحل المقترح يوفر نموذج تحليل فعّال وأداة ممتازة لاستكشاف الآليات العصبية للتحكم الحركي.