認知神經科學前沿文獻分享

基本信息

Title:Human learning of noninvasive brain–computer interfaces via manifold geometry

發表時間:2026-06-09

發表期刊:Nature Neuroscience

影響因子:20.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

腦機接口（BCI）技術為恢復和增強人類能力提供了巨大潛力，但其廣泛應用一直面臨一個頑固的瓶頸：用戶學習速度太慢，且個體差異極大。無論是侵入式還是非侵入式 BCI，許多用戶都需要經歷漫長且令人沮喪的校準和訓練過程，甚至有三分之一的用戶最終也無法學會有效控制腦機接口（即所謂的“非響應者”）。

為什么大腦學習控制外部設備這么困難？近年來的動物研究提供了一條重要線索：大腦的神經活動并不是在所有維度上自由變化的，而是受限于一個低維的“內在流形”（intrinsic manifold）。如果要求大腦生成符合其天然活動規律（流形內）的神經狀態，學習就會很快；反之，如果要求大腦生成違背其天然規律（流形外）的狀態，學習就會極其困難。

然而，這一規律是否適用于人類？是否適用于運動皮層之外的高階認知腦區？為了回答這些問題，研究者利用閉環實時功能磁共振成像（rt-fMRI）技術，讓參與者通過調節自身大腦中負責空間導航的腦區活動，來控制虛擬現實游戲中的角色。這項研究試圖驗證：如果我們順應人類大腦活動的“內在流形”來設計 BCI 映射，是否能從根本上加速腦機接口的學習？

研究核心總結

為了在非侵入式、高噪聲的 fMRI 數據中捕捉大腦的內在流形，研究者沒有使用傳統的線性降維方法（如 PCA），而是采用了一種基于數據擴散的非線性流形學習算法（T-PHATE），并結合流形正則化自編碼器（MRAE）實現了實時的腦狀態解碼與反饋。

一、非線性流形學習能更精準地解碼高階認知狀態

研究者首先讓參與者使用物理搖桿在虛擬競技場中導航，同時記錄他們導航網絡腦區的 fMRI 活動。通過 T-PHATE 算法提取的低維流形，不僅在視覺上清晰地聚類了不同的空間位置，而且在定量分析上，比原始體素空間或線性 PCA 降維保留了更豐富的任務相關信息。基于 T-PHATE 流形的線性模型能夠更準確地解碼虛擬角色的空間坐標，并且其表征幾何結構與游戲競技場的真實空間幾何高度吻合。

Fig 1. T-PHATE 算法提取的神經流形結構，不僅能清晰映射虛擬競技場的空間位置，還能顯著提升對空間導航坐標的解碼精度。

在隨后的神經反饋訓練中，研究者切斷了物理搖桿，要求參與者純粹依靠大腦活動來控制角色走向目標。研究者設計了三種不同的 BCI 映射規則：

1. 直觀映射（IM）：沿著內在流形上解釋方差最大的方向。
2. 流形內擾動（WMP）：沿著流形上另一個解釋方差較大、但不同于 IM 的方向。
3. 流形外擾動（OMP）：沿著流形上解釋方差最小的方向。

結果顯示，參與者能夠非常迅速地掌握直觀映射（IM）。更關鍵的是，當映射規則發生改變時，只要新的規則仍然處于大腦的內在流形之內（WMP），參與者就能在單次訓練中成功調整并重新獲得控制權。然而，當映射規則要求大腦生成流形之外的活動模式（OMP）時，參與者在相同的訓練時間內完全無法學會控制。

Fig 2. 實時流形擴展與神經反饋系統示意圖。MRAE 模型將實時采集的大腦活動映射到預先計算的流形上，并根據不同的流形成分（直觀、流形內、流形外）轉化為游戲角色的移動角度。

Fig 3. 學習曲線表明，參與者能夠快速學會控制直觀映射（IM）和流形內擾動（WMP），但對流形外擾動（OMP）的學習完全失敗。

參與者究竟是如何學會控制流形內擾動（WMP）的？分析表明，成功的 BCI 學習伴隨著“神經重新對齊”（neural realignment）。也就是說，在訓練過程中，參與者大腦活動在被訓練的那個特定流形方向上所占的方差比例顯著增加。這種重新對齊僅發生在 IM 和 WMP 訓練中，且變化量直接預測了參與者對 BCI 控制能力的提升幅度。

此外，探索性的全腦探照燈分析發現，在成功學習流形內擾動（WMP）后，大腦對任務信息的解碼能力在全腦范圍內得到了提升，尤其是涵蓋了初級運動皮層和體感皮層等區域。這說明，在高階認知腦區學習新的流形內映射，不僅改變了目標腦區的局部活動規律，還引發了廣泛的皮層網絡重塑。

Fig 4. 神經重新對齊機制。在成功的 BCI 學習中，大腦活動在目標流形成分上的解釋方差比例（PEV）顯著增加，且這種神經層面的變化與行為控制能力的提升高度相關。

研究意義

這項研究將“神經流形約束學習”的理論從非人靈長類動物的運動皮層，成功擴展到了人類的高階認知網絡。它不僅證明了大腦在面對復雜認知任務時，依然遵循著“順應內在流形則易，違背內在流形則難”的底層規律，還為非侵入式腦機接口的開發提供了重要的方法學啟示。

在應用層面，這項工作表明，未來的 BCI 系統不應再盲目地要求用戶去適應機器，而應首先通過先進的非線性流形學習算法（如 T-PHATE）“摸清”用戶大腦的天然活動空間，隨后將控制指令映射到這些大腦最容易生成的流形維度上。這種順勢而為的策略，有望大幅縮短 BCI 的校準與訓練時間，降低“非響應者”的比例，從而推動腦機接口技術在神經康復和認知增強領域的真正普及。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿