課程背景

侵入式腦機接口（Brain-Computer Interface, BCI）是當前神經工程、運動功能重建、神經康復和臨床轉化研究中的重要方向。與非侵入式信號相比，侵入式電生理可以記錄更高時空分辨率的神經活動，為理解運動意圖、感覺反饋、群體神經編碼和實時解碼控制提供了關鍵數據基礎。

然而，真正的侵入式 BCI 研究并不是簡單地把神經信號交給一個算法。一個可復現、可解釋、可遷移的 BCI pipeline，往往同時取決于實驗范式、動物訓練、行為變量、采集系統、信號質量、事件對齊、特征工程、模型選擇和性能評價。任何一個環節出現問題，都可能導致模型看似有效，但實際無法解釋或無法遷移。

在傳統電生理分析中，研究者常常關注 raster、PSTH、調諧曲線和單個神經元活動差異。這些分析非常重要，但如果研究目標是 BCI，還需要進一步回答：哪些神經特征可以用于控制？如何把 spike 或 LFP 轉換成模型輸入？如何從神經活動預測運動方向、速度或軌跡？如何判斷 decoder 的效果是真實可用，而不是數據泄漏或過擬合？

本課程將以獼猴運動控制和侵入式 BCI 為核心場景，系統講授從實驗范式到神經信號處理、從公開數據讀取到特征矩陣構建、從編碼分析到解碼模型評估的完整流程。課程會結合真實或公開獼猴電生理數據，幫助學員建立一套從“神經信號”到“運動解碼”的實戰框架。

課程目標不是讓學員只記住 spike、LFP 或某個算法名稱，而是讓學員理解侵入式 BCI 的工作流：任務如何設計，數據如何采集，信號如何清洗，事件如何對齊，特征如何構建，模型如何驗證，結果如何解釋，以及這些流程如何遷移到自己的動物實驗或臨床研究中。

培訓對象

本課程主要面向希望進入侵入式 BCI、靈長類電生理、運動皮層解碼、神經工程、神經調控和計算神經科學研究的老師、研究生、醫生和科研人員。

尤其適合以下幾類學員：

1. 正在或計劃開展獼猴、嚙齒類或人類侵入式電生理研究，但不清楚如何從原始神經信號走向 BCI 解碼的研究者。

2. 希望理解 spike、LFP、Utah array、M1、PMd、S1、事件對齊和運動解碼的心理學、神經科學和醫學背景學員。

3. 已有電生理或行為數據，但目前分析停留在 raster、PSTH 或描述性指標層面，希望進一步建立解碼模型的研究者。

4. 正在進行運動控制、運動康復、神經假肢、神經反饋、腦控設備或臨床 BCI 相關研究的學生和醫生。

5. 希望從“會看神經信號”進一步走向“能夠構建特征矩陣、訓練 decoder 并評價模型表現”的學習者。

課程說明

1.從 BCI pipeline 出發，而不是從單個算法出發

本課程不會把侵入式 BCI 簡化為“訓練一個模型”。課程會從完整研究流程出發，幫助學員理解實驗范式、神經信號、行為變量和解碼算法之間的關系。學員將看到一個 decoder 的性能，不僅取決于模型，也取決于任務設計、信號質量和時間對齊。

2.強調從實驗范式到數據結構的完整理解

課程會講解 center-out、reaching、reach-to-grasp 等獼猴運動任務，幫助學員理解 trial、target、hold、go cue、movement onset 和 reward 等事件如何組織行為數據。學員將學習如何把行為軌跡、任務事件和神經活動放到同一條時間軸上，這是 BCI 數據分析中最容易被低估、但最關鍵的步驟之一。

3.兼顧 spike、LFP 與群體神經活動分析

課程將介紹 spike、threshold crossing、LFP、多通道信號和通道質量控制的基本概念。學員會學習如何繪制 raster、PSTH、發放率曲線、調諧曲線和群體活動特征，并理解這些結果如何服務于后續解碼分析。

4.完整代碼和示例數據，完成從讀取到解碼的實操

課程將配套提供可運行的 Python/Jupyter Notebook 和示例數據，帶領學員完成數據讀取、事件對齊、行為軌跡可視化、spike binning、平滑、特征矩陣構建、訓練測試劃分、線性解碼和模型評價。代碼講解會重點說明每一步輸入、輸出、參數含義和常見錯誤。

5.重視模型評價和審稿中常見問題

侵入式 BCI 解碼研究中常見問題包括訓練測試劃分不合理、時間泄漏、過擬合、只報告漂亮軌跡、不報告穩定指標、忽略跨 trial 或跨 session 泛化。本課程會講解如何使用 R2、MSE、相關系數、交叉驗證和可視化結果評估模型，并提醒學員如何避免常見分析陷阱。

6.面向科研遷移與課題落地

課程最終目標是幫助學員把公開數據上的 pipeline 遷移到自己的研究中。課程會討論不同數據格式、不同采樣率、不同任務事件、不同腦區和不同解碼目標下，哪些代碼可以復用，哪些部分必須根據實驗重新設計。

你可能想問

Q：我沒有電生理基礎，可以學習這門課嗎？

A：可以。本課程會從 spike、LFP、多通道記錄、任務事件和行為軌跡等基礎概念講起。課程重點是建立分析流程和 BCI 解碼思路，不要求學員事先具備完整電生理訓練。

Q：這門課會講動物實驗操作嗎？

A：課程會介紹獼猴實驗范式、動物訓練邏輯、采集系統和數據結構，但定位不是動物手術或硬件操作培訓。重點是幫助學員理解實驗數據如何產生，以及如何將這些數據用于 BCI 解碼分析。

Q：課程是偏神經科學還是偏算法？

A：課程會把兩者連接起來。只懂神經信號而不懂模型，很難構建 BCI decoder；只懂算法而不懂范式和信號，也容易得到不可解釋的結果。本課程強調神經科學問題、數據處理和算法建模之間的銜接。

Q：我不會 Python，能跟上嗎？

A：課程代碼會盡量保持模塊化，并逐段解釋。建議完全零基礎學員提前完成 Python/Jupyter 預習材料，重點掌握數組、表格、畫圖和函數調用。

Q：學完后可以直接分析自己的電生理數據嗎？

A：課程會提供可遷移的 pipeline，但不同實驗平臺、數據格式和任務范式需要做相應調整。學完后，學員應能判斷自己的數據需要哪些字段，如何對齊事件，如何構建特征矩陣，以及如何選擇基礎解碼模型。

Q：這門課會講深度學習嗎？

A：課程重點放在侵入式 BCI 入門和可解釋基礎模型，包括線性模型、Wiener filter 和 Kalman filter 思路。深度學習可以作為拓展討論，但不會作為零基礎課程的主線，因為很多 BCI 數據首先需要解決的是范式、對齊、特征和評價問題。

Q：課程結束后我能得到什么成果？

A：學員將完成一套簡化的侵入式 BCI 解碼 pipeline，包括行為軌跡圖、神經活動圖、特征矩陣、基礎 decoder 和模型評價結果。

Q：報名后怎么學習？可以退出嗎？有發票嗎？

A：課程提供發票，我們會在開課前兩種分發課前準備資料，請大家根據資料進行預習和準備工作。分發資料前，如因個人原因需要退、改的同學，聯系小助手進行協商；分發課前準備資料后不再接受退、改申請

↓滑動查看往期學員反饋↓

如何報名？