FingerFlex：从ECoG信号中推断手指轨迹

运动型脑-机接口（BCI）的发展关键依赖于神经时间序列解码算法。近年来，深度学习架构的进展使得模型能够自动进行特征选择，从而逼近数据中的高阶依赖关系。本文提出了一种名为FingerFlex的卷积编码器-解码器架构，专为基于皮层脑电图（ECoG）数据的指尖运动回归任务而设计。在公开可用的BCI竞赛IV数据集4上，该模型取得了当前最优的性能，真实轨迹与预测轨迹之间的相关系数最高达到0.74。所提出的方法为开发高精度、全功能的皮层运动型脑-机接口提供了重要技术路径。