non-invasive

天津大学研究人员发布了一款仅重 3 克的非侵入式脑机接口，小到可以隐藏在头发之中，这是超轻量可穿戴神经技术领域的一项重要进展。

本文介绍了Brain2Semantics2Text，一种非侵入式语音解码方法，通过将MEG响应映射到语义嵌入空间，在无词级对齐的情况下重构句子级文本。

本文介绍了一个图神经回归框架，用于无创估计体成分指标，如体脂率和骨矿物质密度，使用临床数据展示了相比以往方法更高的准确性。

这项研究使用非侵入式EEG和对比学习来解码默读过程中的单词，展示了可扩展的词汇信息恢复，其性能随数据量增加而提升。

本文介绍了Brain2Qwerty v2，这是一个AI模型，能从非侵入式脑磁图记录中准确解码自然语句，词错误率为39%，证明了数据规模化有助于缩小与侵入式方法之间的性能差距。

中国公司BrainCo展示了先进的仿生假肢，具有近乎实时的响应能力，无需手术植入，与传统假肢相比成本降低85%。

本文介绍了一种用于非侵入性脑记录语义重建的多特征融合框架，通过交叉注意力机制结合静态词汇（Word2Vec）和动态上下文（GPT）表示，在脑到文本解码中取得了最先进的性能。

Meta发布了Brain2Qwerty v2，一种非侵入式脑机接口，能够实时解码句子，标志着脑机接口走向现实。

Meta开源了Brain2Qwerty v2，这是一种使用MEG信号和深度学习技术的非侵入性脑机文本系统，词汇准确率高达78%。

一种新的非侵入性方法将脑电波转化为文字，提供了一种无需手术的沟通途径。

Brain2Qwerty 是一种非侵入式脑机接口，能将脑电波解码为文字，实现无需手术的通信。

Meta改进了Brain2QWERTY，这是一个使用MEG和EEG的非侵入式系统，可将大脑活动解码为文本，实现打字