Portiloop：基于深度学习的闭环脑刺激开放科学工具

基于摘要分析。该研究针对闭环脑刺激工具昂贵、笨重且实验灵活性有限的问题，提出 Portiloop：一个基于深度学习、便携且低成本的闭环刺激系统，用于实时识别特定脑振荡并支持精确干预脑过程。其主要贡献是整合可由商用组件搭建的开放硬件、快速轻量的神经网络模型，以及面向目标脑振荡自动优化模型超参数的搜索算法。 技术机制上，闭环流程涉及采集 EEG 等神经生理信号、快速检测目标神经事件，并触发刺激。摘要介绍了听觉、磁或电刺激作为闭环脑刺激的一般形式，但未明确 Portiloop 实际实现的刺激类型。模型结构、训练目标、输入窗口、搜索策略和计算资源要求尚未验证。 作者报告，在实时睡眠纺锤波检测这一测试任务中，系统在 Massive Online Data Annotation spindle dataset（MODA；群体共识标注）上取得了与离线专家表现相当的结果。摘要未给出具体指标、数据划分、被试内或跨被试评估协议，也未说明端到端延迟及实际刺激效果，因此不能据此认定其已验证记忆改善或临床疗效；实验协议、消融及统计信息尚未验证。 作者说明软件和硬件设计资料向社区开放，为复现实时 EEG 事件检测及闭环系统集成提供了基础。复现时需核对硬件配置、模型与训练流程、MODA 标注及划分方式，并区分离线检测性能、在线事件识别时序与刺激触发精度。摘要所述低成本和便携性尚无具体成本、功耗或设备尺寸支持。