近日，一篇题为“Real-Time Decoding of Full-Spectrum Chinese using Brain-Computer Interfaces”的论文发表在顶级期刊《Science Advances》上。该项目由复旦大学华山医院、上海微系统与信息技术研究所、上海科技大学等十余家机构联合团队完成。通讯作者为华山医院吴劲松主任医师、上海微系统研究所周志涛研究员、上海脑科科技有限公司陶虎研究员，研究团队通过创新技术，首次实现了汉语大文字音节的高精度实时解码，为失语症患者带来了新希望。解码大脑“语言密码”：汉语为何特殊？脑机接口技术（BCI）旨在通过解读大脑信号来帮助瘫痪或失语症患者重新获得力量。对内，脑机应用界面技术实现了英语、西班牙语等西方语言的综合。汉语作为世界上使用人数最多的语言，在听、说、读、写各方面都具有独特的特点。如何实现基于神经语言编解码机制的语言特异性的汉语合成是当前汉语脑机接口面临的重大挑战。汉语是常见的声调语言，改变每个音节的音高就会改变词义（如“母”、“马”、“马”、“骂”），而汉字主要是单音节，同音字密集（如“家”、“加”、“佳”均读“jiā”），这就增加了难度。研究团队另辟蹊径，放弃了传统的“音素解码”思路，转而采用完整音节（如“WO3”对应汉字“我”）作为基本单位。这个选择源于这样的事实：ese的音节数量有限（大约418个基本音节），而且音节比音素更稳定，具有更多的语义信息。图片说明：通过颅内脑电图，我们记录了语言（音节+声调）和非语言符号的神经脑活动，研究了不同脑区在“音节识别”和“声调识别”功能中的分工。实验揭示：大脑信号如何“翻译”成句子？研究小组将由256个微电极组成的高密度柔性皮质电图（ECOG）阵列放入一名43岁女性参与者的大脑中，并植入电极用于治疗癫痫。这些电极充当“神经传感器网络”，覆盖与语言处理相关的大脑关键区域。实验包括两个任务：单字阅读任务：参与者重复阅读屏幕上显示的394个汉字，涵盖了所有常用汉语。e 音节。对于生僻单词，系统会同步播放发音，帮助学习。句子阅读任务：参与者逐字阅读完整的句子，句子长度从2到11个单词不等，每个单词之间刻意停顿以练习模型。描述。中文界面系统界面和电极的实时解码贡献电极解码就像一个复杂的“神经翻译”：信号捕获：电极实时记录大脑活动并捕获高频神经信号（70-170 Hz）。言语起始检测：专用模型识别言语起始点并锁定关键神经信号片段。双流解码：信号并行输入两个神经网络，一个识别音节，一个识别音调。例如，音节“我”与第三声组合对应汉字“我”。语言模型优化：系系统结合神经网络和语言模型（基于日常语言训练）的输出，通过智能搜索算法输出最可能的汉字序列。离线测试中71.2%的音节识别识别和实时句子解码，394个音节的系统中位识别准确率达到71.2%，声调识别准确率达到69.1%，远远超过随机猜测（0.25%）。研究还发现，即使训练数据量减少，模型仍然保持稳定的性能，证明了其鲁棒性。更令人兴奋的是实时句子解码的任务，仅依靠神经信号时字符准确率为61.5%，加入语言模型后提高到73.1%，通信速率达到49.7个字符/分钟。参与者成功控制机械臂、数字驱动的人类化身，并与大语言模型进行交互通过解码系统，准确率高达78.3%。应用场景：常见的三种应用场景： 控制炫手：实现机械臂等设备的精准操作；行动数字化身：依靠系统激活虚拟数字人完成虚拟与现实的交互；与LLM对话：与大型语言模型直接接口，扩展智能交互的深度和广度。未来展望：从实验室到医院床边的“沟通桥梁”。这项研究的主要价值在于，未来为肌萎缩侧索硬化症（ALS）、中风等引起的失语症患者提供新的沟通可能，通过优化二电极信号（如无线植入物）和多模态信号（如面部肌肉电信号）的整合，系统可以更准确地捕捉“声音内部”，甚至解码非思想。尽管目前的研究基于一项参与者，团队计划进行多中心验证，探索跨受试者的通用解码模型。正如论文所说，这项技术不仅有助于恢复语言功能，还可以成为连接人类意识和外界的桥梁，让沉默的思想再次说话。编辑：吴欧 论文信息发布期刊 Science Advances 发布日期 2025年11月5日 论文标题 利用脑机接口实时解码全谱汉语（doi：https://www.science.org/doi/10.1126/sciadv.adz9968） 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（如有，包括照片、视频）由网易号用户上传发布，网易号为社交媒体平台，仅提供信息存储服务。