BCIwiki 脑机百科 —— 全球脑机接口新闻、研究与产业数据库

一项概念验证研究显示，基于脑电图（EEG）的非侵入式脑机接口方法可区分1型糖尿病患者的低血糖与非低血糖状态。在数据受限条件下，二次判别分析分类器达到96.2%的准确率，且低血糖状态伴随特征性的delta和beta波段改变。该方法有望为低血糖早期预警提供无创、可实时运行的检测途径。

扩展现实（XR）环境下的视觉刺激会降低脑电信号质量，但一项新研究显示，深度学习模型仍能保持较高的分类准确率。意大利那不勒斯费德里科二世大学的研究团队评估了SSVEP-TFFNet模型在XR条件下对稳态视觉诱发电位（SSVEP）的分类性能，并与传统方法滤波器组典型相关分析（FBCCA）进行了比较。研究使用了包含30名受试者、1200次试验的开放XR基准数据集，数据通过微软HoloLens 2采集。结果显示，SSVEP-TFFNet在XR条件下优于FBCCA，且将电极从8通道减少至6通道或4通道时，性能仍接近全通道配置。该研究为轻量化、可穿戴的XR脑机接口实现提供了证据。

日本千叶大学团队提出一种名为扩散逆滤波（DIF）的信号处理方法，用于抵消脑电图（EEG）中因容积传导引起的空间平滑效应，从而增强基于功能连接的脑机接口（BCI）模式识别能力。研究以情绪识别为任务，发现DIF在电极稀疏化条件下通常能提升识别性能，且与现有BCI处理流程兼容。该研究于2026年8月27日发表于《Brain Sciences》期刊。

一项针对慢性脊髓损伤参与者的个案研究发现，在扩展现实脑机接口（XR-BCI）使用中，体现感与额叶theta活动正相关，而模拟器晕动与感觉运动beta活动负相关。研究分析了17次XR-BCI会话，采用贝叶斯相关分析和多元线性回归，发现模拟器晕动是唯一与感觉运动beta活动独立相关的变量，且结果稳健。这表明XR-BCI操作中不同维度的主观体验对应部分不同的神经生理关联，为未来通过脑电实时监测用户主观体验、优化BCI训练与交互设计提供了基础。该研究由葡萄牙阿尔科伊唐健康高等学院、阿威罗大学和葡萄牙天主教大学的研究人员完成，于2026年8月27日发表于《Life》期刊。

加州大学伯克利分校Muller实验室的研究人员在《IEEE生物医学电路与系统汇刊》发表论文，描述了一种名为DustNet的无线超声神经植入物网络。该网络由多个微型超声植入体组成，通过无线方式实现神经信号的采集与传输，为侵入式脑机接口提供了一种新的技术路径。论文于2026年8月27日由实验室网站公布。Muller实验室专注于神经接口与集成系统设计，DustNet是其继MRDust之后在超声神经接口领域的又一进展。

脑机接口设备之间的无线通信需要既安全又低延迟，而量子计算机的威胁让传统加密面临风险。一项新研究提出PQ-NeuroLink框架，在模拟最严苛的蓝牙低功耗单跳条件下，采用混合后量子加密模式比不加密基线仅增加0.45毫秒的延迟，同时保持99.0%的数据包投递率。该框架将身份认证与数据流加密分离，为下一代分布式脑机接口提供了可复现的安全通信基础。研究由阿联酋大学的团队完成，发表于2026年8月26日的《Frontiers in Systems Neuroscience》。

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》。