融合 EEG 的数字孪生大脑：用于虚拟场景中的自主驾驶
神经元与认知
2025-07-17 v1
摘要
当前方法通常将生物力学脑模型与功能性磁共振成像（fMRI）数据集成——虽然提供毫米级空间分辨率（0.5-2 mm^3 体素），但受限于跟踪连续任务中快速神经动力学的时序分辨率（>0.5 Hz）。相反，脑电图（EEG）提供毫秒级时序精度（<=1 ms 采样率），可用于实时指导连续任务的执行，尽管受限于低空间分辨率。为协调这两种互补模态，我们提出一种通用的贝叶斯推断框架，将高空间分辨率结构 MRI（sMRI）与高时序分辨率 EEG 集成，以构建生物学上真实的数字孪生大脑（DTB）模型。该框架在毫秒级 EEG 与 sMRI 派生的放电网络之间建立体素级映射，同时通过基于大脑启发的自主驾驶仿真展示其翻译潜力。我们的 EEG-DTB 模型实现了以下能力：（1）生物学上合理的 EEG 信号生成（静息状态 0.88，任务状态 0.60 相关性），任务状态下的模拟信号的转向预测在显著性水平（p<0.05）下优于随机和经验信号；（2）在 CARLA 仿真器中成功实现自主驾驶。该方法开创了一种新范式，用于研究感知-运动整合以及感知-行动循环和发展脑启发式控制系统的机制研究。
引用
@article{arxiv.2507.12263,
title = {EEG-fused Digital Twin Brain for Autonomous Driving in Virtual Scenarios},
author = {Yubo Hou and Zhengxin Zhang and Ziyi Wang and Wenlian Lu and Jianfeng Feng and Taiping Zeng},
journal= {arXiv preprint arXiv:2507.12263},
year = {2025}
}