脑认知与智能系统实验室主要从事认知神经科学、人工智能、脑机接口方面的研究。基于功能磁共振、脑电、经颅磁刺激等先进技术，在运动控制、注意与意识、思维与决策、语言加工等领域，不断探索相关的关键脑区和神经通路，揭示大脑高级认知功能的加工机制。部分研究成果已成功应用于运动康复、注意力评估等实际应用场景。

图1. 汉语语言的加工神经机制研究：不同结构的汉语词汇神经激活模式研究

图2. 脑卒中患者在干预前后的运动想象和运动执行的激活模式研究

图3. 基于图卷积神经网络的脑肌耦合分析算法

图4. 基于半监督学习的渐进式脑肌融合分析算法

图5. 首届中国脑－机接口比赛获第一名

图6. 基于脑机接口的虚拟现实环境中的行走控制及基于脑机接口的轮椅控制

图7. 基于触觉视觉反馈运动想象BCI康复训练系统

在多模态脑机接口系统及医疗康复应用方面，团队建立基于多模态生理信号的脑机接口系统，同步采集、分析、协同解码脑电、肌电、心电、皮电等数据，实现对受试者的精神状态实时监测、主动运动意图识别，精细动作执行检测，可为脑卒中后大脑高级认知功能评估提供依据，及提供主动式的“中枢-外周-中枢”闭环康复训练模式，从而为患者的认知、运动等功能的康复提供新平台。

图8. 基于多模态生理信号的注意力评估监测

图9. 基于脑电、肌电的主动式康复训练系统

图10. 基于肌电的精细手部动作检测评估系统

团队成员注重计算机与医学、心理学、神经康复学等交叉学科的密切合作，提高研究成果的学术价值和应用前景，与同济大学附属上海市养志康复医院（上海市阳光康复中心）合作，建立以康复疗效为导向的多项基于脑机接口的康复应用系统，并在脑卒中患者人群中推广试用。

图11. 多模态脑机接口系统在脑卒中患者中试用

脑认知与智能系统实验室拥有脑电实验室、核磁共振实验室、虚拟现实情景感知实验室等多个实验环境，配备下列主要设备：

（1）  64导BrainProduct脑电信号采集与分析系统（2套）

（2）  NeuroScan ESI 128导高精度脑电信号采集与分析系统（2套）

（3）  NIRSport便携式近红外光谱（NIRS）采集分析系统（2套，可与脑电同步采集分析）

（4）  GE MR750 / 3.0 T核磁共振仪（1套，可采集fMRI、DTI数据）

图12. 核磁共振实验室

（5）  GTEC脑电采集与开发系统（1套）

（6）  增强现实/虚拟现实感知设备HoloLens（1套）， Oculus Rift（2套）

（7）  经颅直流电刺激仪TDCS（2套）

（8）  虚拟现实情景感知实验室（集成四维视频呈现系统，可模拟现实情境，并配备了无线脑电设备、人脸表情分析系统、多通道生理信号采集系统、近红外采集系统等多信号采集设备，可同步采集分析受试者在虚拟现实场景中的心理生理动态情况）

另外，实验室还拥有仿人机械手、UR10机械臂、康复手套、眼动仪、眼控仪、智能轮椅系统等专业设备。

双通道多模式脑机交互机理研究（上海市自然科学基金项目, 面上项目, 17ZR1431600 , 2017/05-2020/04）
多模式融合的脑机接口的机理与方法研究（国家自然科学基金青年科学基金，2012.01-2014.12）
基于增强现实的脑机接口智能感知新技术研究（上海市自然科学基金探索项目，18ZR1442700， 2018-06-2021-05）
视听觉协同感知的多粒度脑机接口关键技术研究（中央高校基本科研业务费专项资金，基础研究人才培养计划，2012.01-2013.12）
面向交通安全的驾驶员警觉度智能感知系统及关键技术研究（上海市科技攻关计划重点项目， 2009．01 -2011.12）

双通道多模式脑机交互机理研究（上海市自然科学基金项目, 面上项目, 17ZR1431600 , 2017/05-2020/04）
多模式融合的脑机接口的机理与方法研究（国家自然科学基金青年科学基金，2012.01-2014.12）
基于增强现实的脑机接口智能感知新技术研究（上海市自然科学基金探索项目，18ZR1442700， 2018-06-2021-05）
视听觉协同感知的多粒度脑机接口关键技术研究（中央高校基本科研业务费专项资金，基础研究人才培养计划，2012.01-2013.12）
面向交通安全的驾驶员警觉度智能感知系统及关键技术研究（上海市科技攻关计划重点项目， 2009．01 -2011.12）

近期论文：

1.       Haoyang Li, Hongfei Ji*, Jian Yu*, Jie Li*, Lingjing Jin, Lingyu Liu, Zhongfei Bai and Chen Ye, Regulating systemic crises: Stemming the contagion risk in networked-loans through deep graph learning. Frontiers in Neuroscience, 2023.（IF 5.152）

2.       Hao Zhang, Hongfei Ji *, Jian Yu *, Jie Li*, Lingjing Jin, Lingyu Liu2, Zhongfei Bai and Chen Ye, Subject-independent EEG classification based on a hybrid neural network. Frontiers in Neuroscience, 2023.（IF 5.152）

3.              Lubo Fu, Haoyang Li, Hongfei Ji∗ ,Jie Li∗ ;EEG-EMG ANALYSIS METHODIN HYBRID BRAIN COMPUTER INTERFACE FOR HAND REHABILITATION TRAINING, Computing and Informatics, Vol. 42, 2023, 1001–1021, V 2023-Jun-17.

4.              Li H, Ji H, Yu J, Li J, Jin L, Liu L, Bai Z and Ye C (2023) A sequential learning model with GNN for EEG-EMG-based stroke rehabilitation BCI. Front. Neurosci. 17:1125230. 

5.       Yuxuan Wei, Jie li *, Hongfei Ji*, Lingjing Jin, Lingyu Liu, Zhongfei Bai, and Chen Ye, A Semi-Supervised Progressive Learning for EEG and EMG Classification in hybrid BCI System，IEEE Transactions on Neural Systems and Rehabilitation Engineering，2022 （SCI, IF 4.528）

6.       Yuqing Wang, Zhiqiang Yang, Hongfei Ji, Jie li *（, Lingyu Liu* and Jie Zhuang*. Cross-Modal Transfer Learning from EEG to fNIRS for Classification Task in BCI System， Frontiers in Psychology，2022.（SSCI, IF 2.130）

7.       Yixuan Liu, Jie li *, Hongfei Ji *and Jie Zhuang ,Comparisons of Glutamate in the Brains of Alheimer‘s Disease Mice under CEST Imaging based on Machine Learning Analysis ， Frontiers in Neuroscience, 2022.（SCI, IF 4.677）

8.       Wang, X., Mao, M., Zhao, J., Yang, Z., Li, J., Ji, H., ... & Li, M. (2021). Neural Substrates of the Morphological Structure of Chinese Words. Mathematical Problems in Engineering, 2021(1), 6672762.

9.              Lili Duan; Jie Li*; Hongfei Ji*; Zilong Pang; Xuanci Zheng; Rongrong Lu; Maozhen Li; Jie Zhuang; Zero-Shot Learning for EEG Classification in Motor Imagery-Based BCI System, IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2020, 28(11): 2411.

10.        Xuanci Zheng; Jie Li*; Hongfei Ji* ; Lili Duan; Maozhen Li; Zilong Pang; Jie Zhuang; Lu Rongrong; Gao Tianhao; Task Transfer Learning for EEG Classification in Motor ImageryBased BCI System, Computational and Mathematical Methods in Medicine, 2020, 2020: 1-11.

11.        Yue, L., Gong, X., Li, J., Ji, H., Li, M., & Nandi, A. K. (2019). Hierarchical feature extraction for early Alzheimer’s disease diagnosis. IEEE Access, 7, 93752-93760.

12.        Pang, Z., Li, J., Sun, Y., Ji, H., Wang, L., & Lu, R. (2019). Classifying motor imagery EEG signals using the deep residual network. In Advances in Computational Science and Computing (pp. 64-68). Springer International Publishing.

13.    Hongfei Ji, Jie Li, Rongrong Lu, Rong Gu, Lei Cao, Xiaoliang Gong,EEG Classification for Hybrid Brain Computer Interface using A Tensor-based Multi-class Multi-modal Analysis Scheme，Computational Intelligence and Neuroscience，2016(SCI)

14.    Jie Li, hongfei ji*, Rong Gu, Lusong Hou, Zhicheng Zhang, Qiang Wu, Rongrong Lu, and Maozhen Li, Explore the Brain Response to Naturalistic and Continuous Music Using EEG Phase Characteristics, Intelligent Computing Theories and Application. 2016.（EI）

15.    Hongfei Ji, Jie Li, Maozhen Li, and Zilong Pang, The Neurophysiological Effects of Distraction on Sustained Attention, Progress In Electromagnetic Research Symposium. 2016. (EI).

16.    Li J, Gu R, Ji H, et al. Interaction study of SSVEP and P300 in electroencephalogram[C]//2016 Progress in Electromagnetic Research Symposium (PIERS). IEEE, 2016: 3592-3594.

17.    Pang Z, Li J, Ji H, et al. A new approach for EEG feature extraction for detecting error-related potentials[C]//2016 Progress in Electromagnetic Research Symposium (PIERS). IEEE, 2016: 3595-3597.

18.    Dajie Ge, Zhijun Ding, Hongfei Ji, A task scheduling strategy based on weighted round robin for distributed crawler, Concurrency and Computation:Practice and Experience, 2015(SCI)

19.        Li, Jie; Ji, Hongfei*; Cao, Lei; Zang, Di; Gu, Rong; Xia, Bin; Wu, Qiang;  Evaluation and application of a hybrid brain computer interface for real wheelchair parallel control with multi-degree of freedom, International Journal of Neural Systems, 2014, 24(4): 1-15.

20.    Lei Cao, Jie li, Hongfei Ji, Changjun  Jiang,  A hybrid brain computer interface system based on the neurophysiological protocol and brain-actuated switch for wheelchair control, Journal of neuroscience methods, 229 (2014): 33-43. (SCI)

21.    Jie li, hongfei ji*, lei cao, bin xia , Rong Gu, Bin Xia, Qiang Wu, Wheelchair control based on Multimodal Brain-Computer Interfaces, the 20th International Conference on Neural Information Processing (ICONIP), 2013 Daegu, South Korea.( EI)

22.    Hongfei Ji, Jie Li, Lei Cao, Daming Wang, EEG-based Brain Computer Interface system towards applicable Vigilance Monitoring, ISKE2011. (EI)

23.    Xuan G, Jiang D, Ji H, et al. Identity verification system using data hiding and fingerprint recognition[C]//2005 IEEE 7th Workshop on Multimedia Signal Processing. IEEE, 2005: 1-4.