腦機接口（BCI）技術的研發及潛在應用因與人腦密切相關，故與其相關的倫理規范是一個需要考量的重要問題。已有文獻從非BCI研發人員和科技倫理的角度思考了BCI相關倫理問題，但少有從BCI研發人員的角度出發探討該問題，因此有必要從BCI研發人員的角度研究和討論BCI技術倫理規范。本文分別闡述了以用戶為中心和以不危害他人及社會為前提的BCI技術倫理規范，并對其進行了討論和展望。本文認為人類能夠應對BCI技術所產生的倫理問題，隨著BCI技術的發展，其倫理規范將不斷完善，期望本文可以為BCI技術相關倫理規范的制定提供思考和借鑒。
心血管疾病和心理障礙已成為威脅人類身心健康的兩大主要問題。盡管基于心電圖信號的研究為解決這些問題提供了重要契機，但在心電特征的理解以及跨任務知識遷移方面，現有方法仍面臨性能瓶頸和適用性不足等挑戰。為此，本文設計了一種基于殘差網絡的多分辨率特征編碼網絡，能夠有效提取心電信號的局部形態特征與全局節律特征，增強特征表達能力。此外，提出的基于模型壓縮的持續學習方法通過將簡單任務中的結構化知識逐步傳遞到復雜任務，可有效提升下游任務性能。多分辨率學習模型在心電QRS波群檢測、心律失常分類和情緒分類等五個數據庫上取得了超越或與當前先進算法相當的性能。持續學習方法在跨領域、跨任務和數據增量的場景下都取得了相較于常規訓練方法的顯著提升，證明了所提出方法對于心電跨任務知識遷移的能力，為心電多任務學習提供了新路徑。