近日，beat365在线体育app数字所生物医学信息中心王书强、李烨研究员团队联合香港大学胡勇教授合作完成的“生成式AI赋能BCI信号增强”项目获得2025 IEEE Chester Sall Award一等奖。

生成式AI赋能BCI信号增强，即基于时空自适应的扩散学习方法。研究团队提出一种融合通用EEG表征与神经动力学知识的脑功能信号统一表征框架，该框架能够有效重建神经元集群电活动在皮层-脑脊液-硬脑膜-颅骨-头皮各向异性组织中传播所衰减的神经活动模式表征。研究表明：脑机接口的性能边界并非完全由信号采集硬件决定，也取决于AI算法对神经信号生成物理机制的解析深度。

研究团队长期致力于神经信号生成模型探索。神经信号的个性化差异是制约脑机接口解码精度的瓶颈，团队受物理神经网络启发，提出了面向复杂场景的个性化脑机接口信号重建框架（图2）：少量电极配合生成式AI重建算法，有望在特定应用场景下实现与数千通道电极相近的功能表现。

该研究不仅为低成本、低侵入风险的脑机接口系统开辟了可行路径，更证明了：在脑机接口的竞技场上，生成式AI对神经物理机制的解析深度，与电极通道数量同样关键—甚至可能是更具性价比的决胜因素。团队当前已在10余项下游任务上验证得出，重建后的神经信号显著提升了脑机接口解码精度（图3）。

IEEE Chester Sall Award是由IEEE在消费电子技术领域设立的最高学术奖项，旨在表彰电子消费技术领域具有影响力的研究成果。该奖项经由IEEE Transactions on Consumer Electronics编委会初选、IEEE TCE Forum答辩和IEEE CTSoc委员会投票三轮评选确认，全球每年仅有3项研究成果(一等奖，二等奖和三等奖各1项)获奖。

图1为获奖证书

图2面向复杂场景的个性化脑机接口信号重建范式

图3. 重建神经信号显著提升BCI解码精度