MindPilot: Closed-loop Visual Stimulation Optimization for Brain Modulation with EEG-guided Diffusion

ABSTRACT

中文摘要

大多数脑机接口研究关注将神经信号解码为行为或意图，相反方向的挑战——利用可控刺激引导脑活动——仍了解不足，视觉领域尤其如此。然而，设计能够稳定诱发目标神经响应的图像十分困难：主观状态缺乏清晰定量指标，EEG 反馈又带噪且不可微。我们提出 MindPilot，首个利用 EEG 信号作为优化反馈、引导自然图像生成的闭环框架。不同于局限于侵入式记录或低层闪烁刺激的既有工作，MindPilot 将非侵入式 EEG 与自然图像结合，把大脑视为黑箱函数，通过伪模型引导机制迭代细化图像，无需显式奖励或梯度。我们通过模拟与人体实验验证 MindPilot，展示高效语义目标检索、EEG 特征闭环优化，以及心理匹配与情绪调节任务中的人体被试验证。结果确立了 EEG 引导图像合成的可行性，为非侵入式闭环脑调控、双向脑机接口和神经信号引导的生成建模开辟方向。