BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

在模拟多级管制任务的跨受试者评估中，动态微状态引导的图卷积网络（DMG-GCN）实现80.30%的平均准确率和78.63%的平均F1分数。该模型由南京航空航天大学等机构的研究者提出，用于解码空中交通管制员的脑电认知负荷。它通过动态选择性核时间卷积模块提取多尺度时频特征，微状态引导的动态图模块构建随时间演化的邻接矩阵以分离拓扑子网络，随后由时空图卷积模块聚合表征，时间自注意力机制聚焦任务关键转换时刻。探索性分析显示，提取的拓扑子网络空间模式与特定脑网络重组一致，涵盖从全局分布式监测到时间多模态整合及顶枕区并行处理。相关成果2026年8月26日发表于《Biosensors》。

一项范围综述发现，无线脑电图设备在发育障碍儿童研究中的应用呈上升趋势，其中脑机接口技术占纳入研究的28.1%。综述纳入64项研究、3103名参与者，显示脑机接口研究偏好低通道、干电极、消费级设备，而生物标志物驱动的研究则使用更高通道数和信号保真度。但数据质量报告严重不足：85.9%的研究未报告与有线脑电图的验证对比，79.7%未说明阻抗阈值。该综述由韩国延世大学和加拿大多伦多大学的研究团队完成，于2026年8月25日发表在《Journal of Medical Internet Research》上，是首篇系统梳理无线脑电图在多种发育障碍儿童中应用的综述，揭示了该领域标准化缺失的现状。