行业痛点  

    随着我国老龄化进程加速，阿尔茨海默症等神经退行性疾病发病率逐年攀升，同时现代高压作业环境下的认知疲劳与亚健康问题也日益凸显。此类脑病早期症状隐匿，疲劳与专注度等状态难以客观量化，传统诊断高度依赖医生经验，且缺乏对“行为-大脑”的综合关联分析，导致筛查准确率低，难以满足精准诊疗与实时状态监测的迫切需求。

解决方案

       针对上述难题，天津大学电气自动化与信息工程学院高忠科教授团队研发了“融合大模型的脑机接口视脑协同认知评估系统”。团队创新性地构建了“脑电信号+视觉影像”的多模态融合感知网络：利用自研的高密度脑电采集设备，精准解码大脑的认知负荷、神经节律与专注度水平；同时结合视觉技术无感提取步态特征。系统核心搭载自研医疗大模型，可实现对认知功能障碍的高精度早期筛查，提供无创、低成本的客观评估方案。此外，团队开发的便携式脑机穿戴设备可进行单独应用，实现对疲劳状态、专注度以及情绪等指标的高精度识别与实时监测，全面满足不同场景下的脑状态评价需求。

高精度信号采集：脑电采集精度达到24位，共模抑制比高达100dB，抗干扰能力极强，确保了在复杂场景下提取微弱脑电信号的准确性。

核心技术自主可控：核心芯片国产化率超过95%，设备矩阵覆盖从轻量级便携式脑机接口头环到64通道专业级脑电采集阵列，适配多场景需求。