OmniNeuro：借助生成式AI与声化实现可解释脑机接口反馈的多模态HCI框架

虽然深度学习提升了脑机接口（BCI）的解码准确率，但这些算法的"黑箱"特性阻碍了临床应用，导致用户挫败感和较差的神经可塑性结果。我们提出OmniNeuro，一个新颖的HCI框架，它将BCI从无声的解码器转变为透明的反馈伙伴。OmniNeuro集成了三个可解释性引擎：（1）物理（能量）、（2）混沌（分形复杂度）和（3）量子启发的不确定性建模。这些指标驱动实时神经声化（Neuro-Sonification）和生成式AI临床报告。在PhysioNet数据集（N=109）上评估，该系统达到58.52%的平均准确率，定性试点研究（N=3）证实可解释的反馈帮助用户调节心理努力并缩短"试错"阶段。OmniNeuro与解码器无关，可作为任何最先进架构的关键可解释性层。