直播节选
感谢屏幕前的各位专家、老师和同学们的收看，我是深圳大学的张治国。我今天介绍的是关于神经信息解码和调控的一些工作，汇报中若有不足之处，请各位批评指正。
我的报告题目是：神经信息的个体化精准解码与调控。
01神经信息精准解码与调控
神经信息是指神经系统（主要是大脑）成像与生理测量数据中蕴含的信息。
不同的神经信号具有不同的时空分辨率，比如脑电信号具有较好的时间分辨率，但美中不足的是其空间分辨率却不尽如人意。fMRI信号的空间分辨率更加精细，但时间分辨率较差。
神经信息蕴含在这些丰富而复杂的多模态的影像和数据中。
神经解码是指从神经信号影像中识别或重建在大脑中编码的信息。
2013年来自Nature杂志Brain decoding: Reading minds文章提到：通过扫描大脑活动并进行分析，科学家们能够解码人们的想法、意图、甚至梦境。
如上图所示，我们看到一只鞋子和看一只猫时，大脑产生的信息编码响应是不同的。
所谓的解码，是指我们已经获取大脑神经活动信息，并据此反推出所看到的事物到底是什么，这是与编码相逆的一个过程。
神经调控是指通过将刺激（电刺激、化学刺激、声刺激、光刺激、磁刺激等）递送至特定神经部位而使神经活动正常化或进行神经功能的调节。
相信大家都听闻过精准医学这个词，它是针对病患的个别情形，进行体化诊疗的医学模式。此医学模式会配合病患的基因、影像和其他分析手段来选择适当的最佳疗法。
02复杂的神经信息：个体差异性
同样的，对于神经信息，我们也可以进行个体化精准解码与调控。
个体化精准解码是指在个体层面上分析神经信息，并根据此信息解码该个体特有的动态生理心理状态。
这与传统的组间对比是有差别的，个体化精准解码更强调的是针对每个个体进行分析判别。
个体化精准的神经调控指的是根据受试者生理心理特征和病灶病因等施加精准靶向的调控模式。
那么为什么我们需要对神经信息进行个体化精准的解码与调控呢？道理很简单：神经信息存在极大的个体差异性！
下面举几个个体差异性的例子。比如做脑机接口研究中，不同个体使用运动想象脑机接口系统的表现有很大不同，很多人可能无法正常使用，即出现所谓的“脑机接口盲”。
熟悉机器学习的同学应该知道，机器学习模型的泛化能力是非常重要的，但当我们把A组训练的模型运用到B组身上，这种学习模型的效果就很有可能显著下降。出现这种情况的主要原因是由于不同的中心数据之间存在极大的个体差异性。
就目前的神经调控手段来说，其效果多是参差不齐的。以tDCS/TMS为例，同样的设置，同样的参数，不同受试者的获益程度也有极大不同。
个体差异性分为两类：个体间差异和个体内差异。
个体间差异，简而言之就是，人与人是不同的。不同个体的自发或诱发的神经活动及相应的行为感知存在差异性。
个体内差异指的是，同一人在不同时间和环境下的神经活动和行为也存在极大差异。
下面我将以我的主要研究方向，基于脑信号的疼痛解码为例，给大家阐述如何实现个体化精准解码与调控。
注：上述内容在征得张治国老师同意后，在不改变原意的情况下进行的部分文字整理。观看完整视频内容请扫描下方二维码。
扫描二维码
观看完整视频
