中国科学技术大学（以下简称“中国科大”）在人工智能与脑科学交叉领域取得重要突破。该校医学与磁共振网络团队（中科大医和磁顿网络）在利用人工智能技术解码人脑任务状态的研究中取得了新进展，相关成果为理解大脑动态功能组织及开发新型脑机接口提供了新思路。

传统的人脑任务状态解码方法往往依赖于静态功能连接或简单的线性模型，难以捕捉大脑在复杂任务中快速变化的动态特征。针对这一瓶颈，研究团队提出了一种基于深度学习的时空注意力解码框架，能够从功能磁共振成像（fMRI）数据中高效提取与任务状态相关的时空模式。该框架结合了卷积神经网络与自注意力机制，在多个公开数据集上的实验表明，其对不同认知任务状态的分类准确率显著优于现有方法，并具有良好的跨被试泛化能力。

团队进一步分析了模型解码所依赖的关键脑区与时间片段，发现模型能够自动聚焦于任务相关的大尺度脑网络（如默认模式网络、额顶控制网络）及其动态交互，这为解释大脑任务状态的神经机制提供了可解释性证据。该方法在少量训练样本条件下仍保持稳定性能，展现了在临床和实际应用场景中的潜力。

该研究由中国科大医学与磁共振网络团队主导完成，得到了国家自然科学基金等项目的支持。相关论文已发表在人工智能与神经影像领域的国际权威期刊上。审稿人评价称，该工作为“动态脑状态解码提供了有效且可解释的深度学习工具”。

中国科大医和磁顿网络团队表示，未来将继续深化人工智能与脑成像技术的融合，推动成果在脑疾病早期诊断、脑机接口及认知障碍评估等方向的转化应用。