“提笔忘字”是许多人日常生活中的常见烦恼，它常在书写时造成困扰。然而，对于那些因脊髓损伤、肌萎缩侧索硬化症（ALS）等疾病完全丧失书写能力的人群，情况远不止于此。他们面临的“无法提笔”不仅是物理上的障碍，更蕴含着深刻的无奈力感，因为这些患者无法通过书写表达自己的思想和情感。如何让这些人的内心世界也能跃然纸上，实现自由而流畅的表达，成为一个迫切需要社会关注和解决的挑战。

近日，南湖脑机交叉研究院的郝耀耀/王跃明研究团队联合浙江大学在国际顶级期刊《Advanced Science》上发表了一项开创性成果：成功开发了一种全新的脑机接口（BCI）解码技术，实现了仅凭大脑“想象”书写，即可高精度还原复杂汉字轨迹并转化为可识别文本，在包含1000个汉字的测试库中，系统识别正确率高达91.1%！这项被誉为“脑写汉字”的技术，为非拉丁语系，特别是中文使用者的意念沟通，点亮了前所未有的曙光。

想象一下这样的场景：一位瘫痪患者看着屏幕上播放的标准汉字书写动画，努力在脑海中“跟随”书写。这就是临床BCI训练“意念写字”的常见模式。然而，一个核心难题始终存在：患者大脑产生书写意图的时间点（“所思”），与看到的引导动画中笔迹运动的时间点（“所示”），常常难以实现精确同步！这种“信号错位”（Misalignment）在书写过程中还可能时快时慢，呈现动态变化。传统的解码模型（如广泛使用的MSE损失函数）就像一个“刻板的校对员”，要求大脑神经信号必须与外部引导标签在每一瞬间都严丝合缝地对齐。这种错位导致模型训练混乱，最终解码出的书写轨迹往往“形神俱散”，难以辨识——尤其对于结构复杂的汉字，更是雪上加霜。

团队的核心创新在于引入了名为 DILATE 的智能解码“指挥官”。它不再苛求每一刻的精确对齐，而是具备两大智慧：DILATE的核心之一是“柔性动态时间规整”（Soft DTW）。它如同深谙书法的鉴赏家，专注于笔画轨迹的整体走势与关键特征（起笔、转折、顿挫、收笔）。它能智能地“拉伸”或“压缩”神经信号的时间轴，寻找与目标书写动作在“神韵”和“骨架”上最为匹配的路径，不拘泥于每一毫秒的绝对位置。这完美契合了汉字书写讲究“笔意连贯、气韵生动”的特质。为防止这种柔性对齐过于“放飞自我”，DILATE的另一部分会对时间轴的扭曲程度进行适度约束，确保对齐路径不会过度偏离正常的时间节奏。

研究在一名因C4脊髓损伤导致肩部以下完全瘫痪的老年患者身上展开。团队在其控制手部运动的脑区植入微电极阵列，记录他“想象”用粉笔在黑板上书写180个常用汉字时的神经信号。

应用DILATE框架训练的模型（LSTM神经网络），解码出的汉字轨迹在形态和笔画动态上高度逼近目标，效果远优于传统MSE方法。衡量整体相似度的关键指标（归一化DTW距离）显著降低。即使使用常规手写识别软件（对“一笔画”轨迹识别存在局限），DILATE解码的字符识别率也显著提升，达到37.2%（单日）和52.2%（多日融合）。

 更重要的是，团队开发了独家的“速度指纹”识别法：利用每个汉字独一无二的书写速度变化曲线作为识别“密码”。采用这种基于动态时间规整（DTW）的模板匹配，在浩如烟海的1000个汉字库中，DILATE的识别正确率高达91.1%（多日融合）！这充分证明了该技术的强大鲁棒性和实用潜力。

团队将该技术应用于已发表的英语字母书写数据集，同样显著提升了单次书写轨迹的还原质量和字母识别率，有力证明了其跨语言、跨书写系统的强大通用性。