AISY 北京脑科学与类脑研究所崔翯课题组：一种支持实验室到临床转化的通用在线自适应脑机接口框架ControlIt。
研究背景：
脑机接口已在运动、沟通与康复等方向取得快速进展，但在实际应用中，要实现稳定的在线闭环控制，仍然缺乏一个灵活、可扩展且支持神经适应的通用系统框架。现有 BCI 系统多围绕特定信号模态、受试对象或实验范式定制构建，模块耦合紧密，难以在不同场景间复用与扩展。同时，许多系统仍以离线训练为主，缺乏对在线解码更新与用户—解码器双向适应过程的系统性支持，这在系统层面限制了脑机接口向稳定应用与临床转化的发展。
文章概述：
北京脑科学与类脑研究所崔翯研究员领导的科研团队提出了灵活、通用、跨模态且可扩展的脑机接口框架 ControlIt，为脑机接口从实验室研究走向大规模临床应用提供系统化平台支撑。该框架通过信号采集、任务状态与在线解码三个独立节点的模块化组合，统一组织完整的闭环流程，兼容侵入式神经元放电（spike）、半侵入式 ECoG 以及非侵入式 EEG 等多种神经信号，可灵活支持多模态、多解码器等不同实验配置，并原生支持闭环解码自适应（CLDA），使解码器能够根据受试者表现在线更新参数，加速用户与解码器之间的双向适应过程，为多场景 BCI 的实验室研究与临床转化提供统一的系统基础。
图文导读：
图1.ControlIt 的整体架构与应用场景。系统基于 ROS2 实现，由信号采集（Observation）、任务状态（State）与在线解码（Decoder）三个核心模块组成，并以独立节点形式运行。框架可兼容侵入式神经元放电（spike）、半侵入式 ECoG 及非侵入式 EEG 等多种信号，支持人类与非人灵长类受试者，实现对光标、功能性电刺激（FES）等外设的实时闭环控制，并原生支持闭环解码自适应（CLDA）
图2.ControlIt 的系统实现架构。框架由 Observation、State 和 Decoder 三个 ROS 节点构成，其中 Decoder 进一步拆分为 Integrator、Decoding 和 Algorithm 子模块。模块间通过 ROS Topic 与 Service 实现高效通信，并结合 Queue、SharedMemory 与 Redis 等机制完成数据缓存与跨模块共享。解码算法以扩展包形式接入，使离线训练模型能够无缝迁移至在线解码与闭环控制场景
图3.ControlIt在不同场景下的实现方式与性能表现，包括单解码器（single context）、多解码器（multi-decoder）与多信号采集（multi-observation）等典型场景。通过灵活组合 Observation、State 与 Decoder 节点，系统可并行或分时运行多种解码策略，用于算法对比与性能评估。实验结果表明，在多解码器并行运行的情况下，系统仍能保持稳定的推理时间与在线控制性能
图4.闭环解码自适应实现方式。通过将模型训练与预测过程解耦，系统能够在在线控制过程中动态更新解码器参数。实验结果表明，该设计可加速受试者与解码器之间的双向适应过程，并在多种 BCI 任务中实现稳定的在线控制性能
论文信息：
ControlIt: A Universal Framework for Translational, Adaptive, and Online Brain–Computer Interfaces
Wanlin Yang#, Chenyang Li#, Xinxiu Xu, Xindong Wang, Yongcheng Guo, Xiaoke Chai, Tianqin Cao, Jiuxiang Song, Nan Wang, Xueming Zhang, Yi Yang*, Cong Zheng*, and He Cui*
Advanced Intelligent Systems
DOI:10.1002/aisy.202501148
原文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/aisy.202501148
期刊简介：
Advanced Intelligent Systems是Wiley旗下智能系统领域开放获取旗舰刊。期刊收录关于具有刺激或指令响应智能的人造装置系统的研究，包括机器人、自动化、人工智能、机器学习、人机交互、智能传感和程序化自组装等前沿应用。
来源：Advanced Intelligent Systems
