中 / EN

BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

最近动态

2026 年 9 月

压缩后的脑电解码器抗攻击能力未见提升,剪枝与量化表现出不同的迁移特性

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。
推荐理由 脑机接口走向便携设备,模型压缩几乎是必经之路。这项研究提醒,压缩后精度不降不代表更安全,抗攻击能力、攻击迁移和部署效率要分别评估。结论只基于1个公开数据集9名受试者的运动想象数据,尚未经同行评审。

任务条件潜在对齐框架提升侵入式脑机接口跨会话解码稳定性

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。
推荐理由 解码器要频繁重新校准,是植入式脑机接口走向日常使用的障碍之一。这项方法在同一个体内的1,356对会话中失败率为6.8%,但跨个体的2,134对会话中失败率升至12.9%,且结果全部来自猴类数据,尚未在人体植入者身上验证。

沉浸式虚拟现实让运动想象时的大脑运动区反应更强

只“看”和“想”动作,不真正动手,也能调动大脑的感觉运动区,这是一类康复训练的思路,适合行动能力受限或丧失的人。那么,看什么最有效?西班牙研究团队让15名健康参与者一边观看人形机器人抬手臂,一边在脑中想象同样的动作,观看方式分为沉浸式虚拟现实、二维视频和现场观看真实机器人三种,同时用脑电记录大脑反应。结果显示,沉浸式虚拟现实引发的感觉运动皮层激活最强。脑电里有一种信号叫“去同步”,节律减弱说明该区域更活跃,研究以此作为衡量指标。研究者认为,沉浸式虚拟现实可用于优化这类康复方案和脑机接口应用,但本研究只纳入健康人,尚未在患者中验证。
推荐理由 运动想象是非侵入式脑机接口和卒中康复最常用的训练范式之一,但“给患者看什么”一直缺少脑电层面的直接比较。这项研究在同一批人身上对比了三种观看方式,指向沉浸式虚拟现实。不过样本只有15名健康人,对患者是否同样有效还需验证。

兰州交通大学团队用层级图学习框架解码VR运动想象脑电,三分类表现超过EEGNet

在虚拟现实里一边看动作演示、一边在脑中想象这个动作,这样训练时,机器能否更准确地从脑电信号里读出“想动哪里”?兰州交通大学的研究团队提出一套层级图学习框架:先把头皮脑电拆成不同节律成分,筛选出关键特征,再把每次试验的脑区连接关系画成一张“图”,交给层级图卷积网络做判断。团队在自己采集的VR运动想象数据集上测试,这套方法的三分类解码准确率超过了EEGNet等常用基线模型。研究还发现,VR中的“观察加想象”能增强感觉运动脑区之间的连接,让更大范围的脑网络协同工作。摘要未给出具体准确率和受试者人数。
推荐理由 VR常被用来给康复训练提供视觉引导,但动态场景下脑电噪声大、难解码。这项研究既改进了解码方法,又给出VR增强感觉运动连接的神经层面解释。不过测试只用了团队自采的数据集,摘要未报告具体准确率与样本量。

系统综述汇总32项研究:脑电脑机接口可改善卒中患者运动功能

中风后肢体不能动,靠“想”能不能练回来?这篇系统综述汇总了32项研究,发现多数做法是让患者想象动作,再由头皮脑电读出信号,驱动虚拟现实、功能性电刺激或机器人外骨骼给出反馈,形成闭环。训练次数从少量试点到最多80次不等,平均约30次。作者认为,这类方法能显著改善卒中幸存者的临床结局,但获益程度取决于具体方式和卒中特征,治疗剂量仍缺乏统一方案。
推荐理由 综述把32项研究的训练参数摆在一起:多用20或32导联脑电,平均约30次训练,受试者以慢性缺血性卒中为主。这也说明现有证据集中在特定人群,剂量方案尚未统一,作者明确呼吁标准化方案并纳入代表性不足的患者群体。

脑机接口配合外骨骼训练的卒中研究登记为已完成

一项研究脑机接口配合下肢外骨骼训练、帮助卒中患者改善步行障碍的研究,登记状态为已完成。研究分组比较常规康复、常规康复加外骨骼训练,以及常规康复加脑机接口联合外骨骼训练,目标样本量各20人,不代表实际入组人数。主要评估下肢运动功能,同时记录脑电、平衡和步行能力。首例入组日期为2024-03-22,登记日期为2026-09-23,属于非前瞻性登记。登记记录没有结果数据,尚不能判断联合训练是否优于其他干预。
推荐理由 这项研究的入选条件限定为首次卒中、病程<6个月,且功能性步行分级评分为0—2分的患者。理解后续结果时,需要保留这些人群条件,不能直接推广到所有卒中后步行障碍患者。

普渡大学8只小鼠实验发现,更多电极同时刺激加快人工感觉学习

普渡大学研究人员在8只小鼠中比较稀疏与冗余两种皮层内微刺激编码。更多电极同时刺激的冗余编码加快了人工感觉学习,缩短导航任务时间,并改善电刺激与视觉共同引导时的成功率和路径效率。研究以预印本形式发布。
推荐理由 人工感觉需要动物学会使用,编码方式因此会影响训练负担。该实验比较了改变同时刺激电极数量后的学习和导航表现。

研究者探讨脑机接口临床证据框架的构建与应用

脑机接口产品从实验室走向临床,需要一套判断“证据是否充分”的标准。怎样算“有效”、证据要攒到什么程度,目前缺少统一说法。一篇题为脑机接口临床证据框架的构建与应用的论文正面讨论这一问题,作者署名为Wenxiu QI和Cheng ZHOU。从题目看,论文关注这类框架如何搭建、如何在实践中使用,对监管方、临床医生和研发企业判断产品证据都有参考价值。目前公开的只有Crossref提供的题录信息,没有摘要和正文,DOI为10.3724/j.issn.1000-3045.20260216002。框架的具体结构、证据分级方式、评价指标和适用的产品类型都还无法核实,作者单位也未见公开,有待全文公开后进一步确认。
推荐理由 脑机接口进入临床后,怎样算“有效”、证据要攒到什么程度,目前缺少统一说法,这篇论文正面处理这个问题。不过现有公开信息只有题目和作者,没有摘要,框架究竟包含哪些层级与指标,要等全文公开后才能判断。

9名被试18项指标重新排序,运动想象脑机接口最佳模板被试由S5改为S1

在运动想象脑机接口的跨被试迁移学习中,选对"黄金被试",即脑电信号最具代表性、最适合作为训练模板的被试,直接影响其他用户的解码准确率。此前研究采用模糊决策评分法(FDOSM)将S5认定为最佳被试,但该方法未将权重计算与排序步骤分离。伊拉克伊玛目贾法尔·萨迪克大学的研究者构建了一个9×18的统一黄金被试决策矩阵(UGSDM),同时纳入9名被试在训练和评估两阶段的18项指标,涵盖分类准确率、召回率、F1分数、对数损失和特异度等。研究用FWZIC方法计算权重、VIKOR方法做妥协排序,结果显示最佳被试从S5变为S1(Q=0.0000)。4种权重场景的敏感性分析中S1有3次排名第一,显示框架具备一定稳健性。该研究为预印本阶段的方法探索,仅涉及9名被试,尚未经大规模数据集验证。
推荐理由 运动想象脑机接口的跨被试迁移学习高度依赖"黄金被试"的选取,但此前缺少把权重计算和排序分开处理的透明框架。这项研究用不同方法重新排名后结果发生了逆转,S5变成S1,说明决策层的方法选择对结论影响很大,也提醒领域内此前基于单一方法的结论需要交叉验证。不过样本仅9人,尚需更大规模数据集检验。

难治性癫痫神经调控加速迭代,闭环感知与微创植入成为新方向

药物控制不住的癫痫,约占全部患者的三分之一。抗癫痫药物仍是一线治疗,过去二十年间,神经调控从单一的迷走神经刺激扩展为多条技术路线。目前美国批准了三种植入式神经刺激疗法:1997年获批的LivaNova迷走神经刺激、2013年获批的NeuroPace反应性神经刺激系统RNS,以及2018年获批的Medtronic丘脑前核脑深部电刺激。其中只有RNS会直接读取脑信号,它持续监测颅内脑电,发现异常模式后才放电刺激。新一代产品在尝试两件事:一是加入感知与闭环算法,二是不开颅、少进脑,把电极放到头皮下或颅骨外。PRECISIS、Adraxe、Synergia Medical和iVEAcare等公司的相关系统大多仍处于早期研究阶段,公开疗效数据样本很小,PRECISIS计划入组约200人的关键性试验尚未出结果。
推荐理由 癫痫神经调控里真正读脑信号的只有RNS,Medtronic的DBS按固定方案刺激,VNS的AutoStim靠心率触发。新入局者正把感知和闭环往更微创的方向推,但Adraxe和iVEAcare仍在早期研究,PRECISIS的关键性试验计划入组约200人,尚未出结果。

© 2026 BCIwiki.com 产业简报 主题索引 提交线索 订阅本站 修订记录 关于我们