BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

新加坡竹脚妇幼医院登记了一项脑机接口神经反馈训练（BCI-NFT）临床试验，面向7至21岁获得性脑损伤儿童和青少年，覆盖脑外伤、卒中、脑炎、脑肿瘤和癫痫等病因。干预组将在10周内完成12次训练，每次约60分钟，佩戴无线脑电头带与神经反馈电脑游戏互动；对照组先接受标准照护再交叉进入训练。研究同时纳入一组无脑损伤史的同龄人，提供正常脑电数据作对照。试验计划入组70人，主要终点预计2028年2月读出。

这项研究让90名学习者分成两组，一组用脑机接口实时读取注意力、认知负荷和精神疲劳，据此调整教学内容和节奏；另一组按传统在线课程学习。实验组在持续参与度和知识保留上表现更好。研究采用混合方法，定量数据包括前后测成绩、任务完成率和神经活动指标，定性数据来自问卷调查和半结构化访谈，用于衡量学习者感知到的参与度、可用性和整体学习体验。90名参与者分别来自English House Language Center、亚美尼亚欧洲大学和Mesrop Mashtots大学。研究者同时提出，在教育场景采集和使用神经数据，隐私、伦理与可及性问题尚未解决。

研究用47名肌萎缩侧索硬化症患者的1,065个片段数据，测试五种语言模型作为AI代理执行指令的表现。在相同执行覆盖率下，向模型提供重建的解码器置信度，并未使其不忠实执行率低于确定性门控，两个模型还显著更差。看似改善的安全表现主要来自减少执行。在后续让十个模型与确定性解析器获得相同指令词表的测试中，直接执行的代理均未超越解析器的风险—覆盖率前沿；但由模型提出语义修正、外部门控决定是否放行的混合架构，在十个模型中的五个上扩大了覆盖范围，且未观察到不忠实执行。

一位因肌萎缩侧索硬化症（ALS）导致严重上肢瘫痪的参与者，在同一场实验里同时戴上血管内支架电极阵列和头皮脑电帽，尝试做踝关节屈伸动作。两种方式在运动尝试时都出现了明显信号变化，但支架电极在每个通道上的运动调制更强，且不受颅骨衰减影响。头皮脑电更容易被眨眼和咀嚼肌活动干扰，支架电极则记录到明显的心电信号。两种方式都没能可靠区分左右踝运动，说明空间定位仍是难点。

混合运动想象脑机接口将脑电与功能性近红外两种模态结合，利用电生理与血流动力学信息的互补优势提升解码精度，但实际使用中需同时佩戴两套采集设备，操作不便且成本较高。此前基于扩散模型的跨模态生成方法需上千步迭代，延迟过高，难以用于实时场景。陕西师范大学现代教学技术教育部重点实验室与微软（北京）的研究者提出Bio-MF框架，采用一步生成策略直接从脑电信号预测近红外波形，在一块RTX PRO 6000 GPU上仅需7毫秒即完成一次生成，比1000步扩散模型快857倍。在数据集1上，脑电加合成近红外比仅用脑电的分类准确率提高3.37至4.15个百分点；在数据集2未见过的64通道脑电布局下，提升为2.50至2.98个百分点。该研究为预印本，尚未经同行评审，所有验证均基于离线数据。

让受试者在跑步机上走路，和让他背着记录设备在户外自由行走，都可以叫移动脑电，但两者的自由度差得很远。2017年提出的 CoME 框架用设备移动性、受试者移动性、系统规格和通道数四个维度给一项研究打分，比如（2D, 4P, 17S, 32C）。设备移动性和受试者移动性必须分开看：头戴式系统做静息态记录，设备分很高，受试者移动性仍是0P。这个框架不是产品排行榜，分数高不等于系统更好。

颅内脑电信号来自植入大脑内部的电极，一直被看作解码人的意图的理想信号来源，但各家数据集和预处理方式不同，模型到底有没有变好很难说清。研究团队把三家机构的自然观影数据、15项解码任务、统一的预处理流程和固定的评估划分放进同一个基准，结果发现：预训练系统在自己那套预处理流程里通常能赢过基线，可换到别的机构数据上，传统频谱基线的表现依然有竞争力。更值得注意的是，把其他受试者或其他机构的数据增加到25倍，相比只用同一场次数据训练，提升依然有限，甚至要看具体任务。