MOJO：用未标注神经数据提升脑机接口解码泛化能力

导语

脑机接口、闭环神经实验和神经疾病相关技术，都依赖稳定、准确的神经解码器：模型需要从神经元放电或脑电信号中推断行为、感知或运动意图。问题在于，高质量“神经活动—行为标签”配对数据往往昂贵且稀缺；跨天、跨个体、跨任务后，模型性能还容易下降。

来自 arXiv 的论文《Leveraging unlabelled data for generalizable neural population decoding》提出了 MOJO（Masked autOencoder-based JOint training），试图把未标注神经数据变成可用训练资源。它不是只依赖监督学习，而是在 spike-tokenizing 模型中联合使用掩码自编码式自监督目标和监督解码目标。

核心要点

• 把未标注神经记录纳入训练：现有 spike 级 token 化模型多依赖带行为标签的数据。MOJO 引入自监督学习，让模型通过重建被遮蔽的神经活动片段学习结构信息，从而减少对标签的完全依赖。
• 监督与自监督联合优化：该框架并非放弃行为解码任务，而是将 masked autoencoding 与监督解码目标结合，既学习神经数据内部规律，也对齐具体行为输出。
• 覆盖多种神经数据场景：论文在三类 spiking 数据集上评估，包括猴运动皮层到达任务，以及小鼠视觉和决策任务中的多脑区记录。
• 标注稀缺时收益更明显：相比纯监督训练模型，MOJO 在有限标注数据下表现更好，尤其适合新会话只有少量标签可用于 few-shot 微调的情况。
• 表征更具可解释性：加入自监督学习后，模型学到的神经表征在脑区分类和 spike 统计预测上也有提升，尽管这些并不是训练时的显式优化目标。
• 可扩展到非 spike 模态：论文还将 MOJO 用于人类语音相关的皮层脑电（ECoG）数据，结果继续优于纯监督模型，并接近专为连续信号设计的神经基础模型表现。

意义与影响

MOJO 的关键价值在于改变神经解码模型的数据使用方式。过去，未标注神经记录常常难以直接用于行为解码训练；而在真实神经科学和临床场景中，未标注数据往往比带标签数据更容易积累。如果模型能从这些数据中学习跨会话、跨脑区、跨物种的通用结构，就有望降低脑机接口部署和个性化适配的成本。

这项工作也呼应了“神经基础模型”的发展方向：不是为每个实验从头训练小模型，而是通过更大规模、更灵活的数据预训练，获得可迁移的神经表征。MOJO 展示了自监督学习在神经群体解码中的实际价值，特别是在标签稀缺、会话迁移和多模态神经信号场景中。

当然，论文仍是 arXiv 预印本，具体模型在临床级脑机接口、长期在线闭环系统和更多受试者数据上的表现，还需要进一步验证。但从方法论上看，让未标注神经数据参与训练，可能会成为下一代神经解码器和神经基础模型的重要路径。

来源：arXiv