脑机接口应用的神经计算

脑机接口(Brain-machine interface, BMI)作为一种潜在的双向媒介被引入到机器人和医学领域。不同的神经记录方式，如单单元、多单元、LFP、ECoG和EEG，可以提供不同的局部或全局信息，这些信息在时空-谱分辨率、长期稳定性、噪声/伪影污染和侵入性方面存在差异。在为神经修复技术和理解运动/语言/认知功能的神经机制提供可靠的bmi方面，仍然存在许多关键挑战。主题包括但不限于:

•不同神经系统疾病的运动/感觉和言语/语言恢复
•人类-人工智能对齐的BCI
•神经种群数据分析的降维
•神经种群的潜在动态分析
•机器学习策略，提高BMI解码性能
•新颖的实验设计BMI应用
•感官/神经反馈，提高BMI效率
•在不同环境和条件下的真实世界BMI应用中的工件问题。
•跨时段/天/受试者的非平稳神经信号
•用于自然语言处理的语音解码
•了解人类受试者的语音生成和语言处理

我们接受针对上述挑战的原创研究。我们也很乐意考虑理论和评论论文。

关键字:脑机接口，BCI, BMI，恢复技术，运动语音，神经反馈，真实世界的BMI应用，语音解码

重要提示:所有对本研究主题的贡献必须在其所提交的章节和期刊的范围内，如其使命声明中所定义的那样。雷竞技rebat在同行评审的任何阶段，Frontiers保留将超出范围的稿件引导到更合适的章节或期刊的权利。