夏菁，中国科学院深圳先进技术研究院助理研究员、华南师范大学博士研究生，德国波鸿鲁尔大学博士联合培养。入选深圳市高层次人才、鹏城优才及南山区领航人才。长期聚焦视听通道认知与音乐治疗情绪障碍研究，致力于开发基于电生理信号的脑疾病智能诊断系统，开展抑郁等脑疾病相关研究。

以主要作者在 Cell Reports、NeuroImage、Cortex 等国际期刊及 ICASSP、IEEE EMBC 等顶级会议发表认知神经科学与脑疾病相关论文14篇；申请脑电信号处理与脑疾病诊断相关专利3项、获授权1项。主持广东省自然科学基金、中国博士后科学基金、深圳市面上等项目4项，并参与国家重点研发计划、国自然面上项目、广东省重点及深圳市重点等项目9项。

音乐能够通过节奏、调式和振幅包络等物理特性诱发情绪体验，但其如何在深部奖赏环路中形成可量化、可调控的神经夹带机制，仍缺乏直接证据。本报告聚焦音乐声学特征与深部神经动力学特征，介绍一项音乐调节内隐情绪的音乐脑机接口研究框架。

研究首先利用颅内脑电（SEEG）的高时空分辨率，考察不同音乐物理特性对伏隔核、纹状体、内侧前额叶等多巴胺奖赏回路节点的时频活动、跨频耦合与网络连通性的影响，建立音乐物理参数与神经电生理响应之间的非线性映射。随后，在癫痫共患抑郁患者中，以个体化最敏感的音乐参数开展干预，并结合内隐情绪测验，提取深部多巴胺环路的神经响应。

在此基础上，研究引入融合神经质量模型与数据驱动学习的虚拟脑（Surrogate Brain）架构，学习EEG—SEEG之间的跨模态映射。系统仅依赖头皮EEG即可实时推断深部奖赏状态。报告将讨论稀缺临床数据在音乐信息处理、情感计算、神经工程与数字疗法交叉中的关键挑战。研究旨在为音乐干预情绪障碍提供可验证的神经机制与可转化的非药物数字疗法路径。