BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

脑机接口读出“准备动手腕”时的脑电信号，并在信号最强的时刻给手臂神经一次电刺激，可以增强大脑到肌肉这条运动通路的兴奋程度。研究在17名健康志愿者身上比较了两种做法：一种是真的伸腕，一种只是想象伸腕。干预结束后，两种方式测得的运动诱发电位最大幅值都显著升高，结束30分钟后仍高于干预前，两者之间没有显著差异。研究者认为，这意味着无法自主活动手部的患者也可以只靠想象参与这类训练。不过受试者均为健康人，且个体差异较大，尚未在卒中患者身上验证。

研究测试了7种检测方法，考察运动想象脑机接口能否识别训练时未见过的动作类别，而不是将其强行归入已知类别。结果发现，对许多用户而言，模型面对熟悉类别时的不确定性甚至高于陌生类别，因此多种在其他机器学习领域有效的方法在这里表现不佳。研究还发现，陌生类别检测表现与已知任务表现相关：深度集成和蒙特卡洛Dropout模型的任务分类AUC达到0.9，分布外检测能力最高达0.7。作者认为，对任务表现较好的模型和受试者，拒绝不熟悉的认知状态具有可行性。

剑桥大学参与的一项合作研究分析人类腹侧前颞叶表面的皮层脑电网格电极数据，发现结合4-200Hz的宽频信号，可以显著解码具有程度差异的多维语义信息，而单个频段未得到显著解码结果。研究使用表示相似性学习，分析信号在不同时间和频率下的功率与相位，比较语义信息集中于单一频段、各维度分别对应不同频段，以及需要联合多个频率才能呈现三种假说。作者认为，结果支持“跨频率”编码。理解多维语义的神经表征，需要把多个频率的信息放在一起考察。这项研究尚未经同行评审。

美国脑机接口公司Precision Neuroscience宣布完成超额认购的2.5亿美元D轮融资，由Pershing Square Inc.、Ackman Oxman Institute和一家未具名的生命科学投资基金共同领投，ARK Invest、Mubadala Capital等机构跟投，公司累计融资达4.3亿美元。公司称已在18家医疗机构完成超过100例患者手术，其贴在大脑表面的薄膜电极Layer 7皮层接口已获FDA许可（clearance）。新资金将用于扩大临床项目、推进Layer 7后续阶段的FDA审评，并建设商业化基础设施。

研究提出脑电去噪方法DenoFlow，尝试去除肌肉和眼部电活动带来的干扰，同时保留信号中可供脑机接口识别的信息。作者报告，在两个公开稳态视觉诱发电位（SSVEP）数据集、5种解码器的评估中，该方法的信号保真度与解码准确率均优于7种基线去噪模型。研究通过注入已记录的肌电和眼电伪迹，并控制目标信噪比，构建受污染信号与原始信号配对的数据。这些结果来自上述受控数据测试，该研究尚未经同行评审。

植入大脑的电极记录到的是许多神经元混在一起的放电信号，脑机接口要先分清哪次放电来自哪个神经元，才能读出意图。这项研究设计了一套混合算法，用深度神经网络识别放电所属的神经元并估计波形形态，再用模糊逻辑方法在信号质量不确定时判断放电、评估结果可信度，网络结构则通过多目标筛选选定。在大鼠皮层、海马CA1区和猴运动皮层的四个记录数据集上，全标注条件下分类准确率为96.4%，精确率94.8%，平均延迟45.2毫秒；只有10%数据带标注时准确率为88.9%，作者称这一结果与现有无监督方法相当，且额外给出置信度和波形估计。研究为单一作者完成，作者指出用于临床前还需前瞻性验证。

脑机接口从实验室走向实际应用，软件是绕不开的一环。这篇综述聚焦非侵入式脑电脑机接口，即通过头皮电极读取脑电信号、无需手术的路线，从技术基础、工具分类、场景适配和未来演进四个维度梳理了开源软件生态。作者展示了开源工具如何覆盖从信号采集到实时交互的完整流程，并按医疗、教育、娱乐等应用场景对工具进行分类，同时指出了当前生态面临的技术挑战，为开发者选择开源工具提供方法参考。

只在心里默念、不发出声音的“想象语音”，能否从头皮脑电中读出来，并且换一个没参与训练的人也同样有效？研究人员用严格的被试无关方案重新检验了一个多类想象语音脑电数据集：模型从不在测试对象本人的数据上训练。结果显示，基于频段功率的频谱特征在粗粒度分类中平均逐试次准确率为49.03% ± 4.18%，明显高于时域统计特征的37.97% ± 3.79%，而且少数几个频段就承载了大部分可区分信息。该研究为预印本，尚未经同行评审。

脑机接口要在算力有限的设备上运行，常用剪枝或低精度量化把解码模型压小。研究人员测试了这种压缩是否会改变模型面对对抗攻击时的表现。对抗攻击指对脑电信号加入人眼难以察觉的微小扰动，诱使模型判错。结果显示，在保持识别精度的前提下压缩模型，抗攻击能力并没有变强：在ε=0.005的扰动强度下，EEGNet模型在原始、50%剪枝和两种INT8量化版本下的准确率都只有22%到24%。不过，剪枝后的模型与原始模型之间，攻击样本相互迁移的效率明显下降，量化模型则几乎不变。该研究为预印本，尚未经同行评审。

植入式脑机接口有个老问题：电极每天记录到的神经元会变，昨天训练好的解码器今天可能就不准了。Canyang Zhao等五位作者于2026年9月23日在arXiv发布预印本，提出一种名为任务条件潜在对齐（TCLA）的方法：先结合神经信号重建与连续行为监督，从一次记录中学出一个与行为相关的低维“共享空间”；之后每次新记录都固定这一空间，按不同任务分别对齐进去。在七个猴类数据集上，长期跨会话测试的平均R²为0.476±0.014，解码失败率为6.8%；1,356对同一个体会话对的平均R²为0.371±0.009；换到不同个体之间时，平均R²为0.218±0.004，失败率为12.9%。源代码已公开，该研究尚未经同行评审。