顱內情緒解碼

指以機器學習模型，從長期或住院監測期間所記錄的顱內腦電（iEEG），預測個人的自陳情緒或症狀嚴重度。由於情緒的取樣稀疏——每天僅數次自陳——解碼器必須從有限且雜訊多的標記中學習，並因應跨日的漂移；方法從對頻段功率特徵的正則化線性模型，到潛在狀態動力學模型皆有。

解碼是閉迴路的讀取端：一個經驗證的解碼器既能界定應鎖定哪個生物標記，也能提供閘控刺激的觸發訊號。已報告的準確度在受試者內部令人鼓舞，但尚無法跨人遷移；而且再好的解碼器，其上限都受限於用來訓練它的自陳報告本身的可靠度。