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 10 月

四川大学华西医院合作团队改善胶质瘤患者手势解码

四川大学华西医院参与的一项合作研究,将健康神经记录与生物物理约束结合,用于解读受病变影响的运动脑信号。在胶质瘤浸润运动皮层患者的高密度皮层脑电手势分类任务中,研究报告分类准确率有所改善,运动指令表征与健康典型表征的相关性从r=0.66升至r=0.94。作者将模型的变化解释为一种“反向加权”策略,降低高功率病理噪声的权重,并把空间注意力重新指向发挥功能代偿作用的区域。这是改善受损神经网络解码的概念验证,不代表患者运动功能已经恢复。
推荐理由 脑信号功率较高,不一定意味着更适合解码。作者对模型的分析提示,降低病理噪声的权重、利用代偿区域的信息,可能是解释此次分类表现改善的一个具体方向。

日本电气通信大学免训练处理脑电,信息传输率最高增加11.30bit/min

日本电气通信大学的一项研究提出,无需训练模型,也可通过反复随机采样和粘贴脑电信号,增强稳态视觉诱发电位分量,帮助视觉脑机接口识别目标指令。在合成信号和公开基准数据集实验中,该方法在所有受测信号长度下均优于传统方法,信息传输率最高提升11.30bit/min。稳态视觉诱发电位是大脑对周期性视觉刺激产生的持续响应,可用于判断用户注视的目标。研究针对学习型方法需要训练数据、前期成本较高的问题,探索免训练的信号处理途径;上述增益来自信号和数据集实验。
推荐理由 这项研究把改进环节放在信号增强,而非训练更复杂的识别模型。不同信号长度下的比较也提供了一个具体观察角度:免训练处理能否在不同长度的脑电片段上保持性能优势。

哥伦比亚大学医学中心合作研究发现,41名临床无反应患者中13人能控制脑机接口

哥伦比亚大学医学中心参与的一项前瞻性单中心研究发现,41名临床无反应的急性脑损伤重症患者中,13人(32%)能够控制脑机接口。系统实时分析脑电,将患者尝试运动时的信号转为声音变化。实现控制者中,4/13在出院时恢复临床意识,未实现控制者为1/28;12个月时,达到研究所定义功能独立标准的比例分别为6/13和2/28。结果显示,脑机接口控制能力与后续恢复相关,但不能证明使用设备促进了恢复。此次测试的是单向控制,双向交流仍属未来应用方向。
推荐理由 临床上没有可见反应,并不一定意味着无法执行脑机接口任务。研究还显示,实现控制的临床无反应患者信号延迟较长,提示评估这类患者的交互能力时,需要关注响应等待时间。

墨尔本大学用血管内脑机接口识别尝试手写字符,完成单人在线测试

墨尔本大学研究人员让一名植入Stentrode血管内脑机接口的参与者尝试手写英文字符,利用脑信号随时间变化的轨迹进行离线和在线分类。在4次在线测试中,每次包含每个字符20-30次试次及80-180次休息试次,表现最佳的3分类模型平均休息召回率为87%,字符召回率和精确率分别为65%和59%。研究还发现,将各试次调整为相同时长后,分类表现显著优于直接使用原始试次。结果支持进一步研究时间信息在运动解码中的作用,但目前仅来自一名参与者和少量类别。
推荐理由 研究将所有通道的高伽马功率相加,只保留一条随时间变化的轨迹,以单独考察时间信息的作用。这为区分“信号来自哪里”和“信号如何随时间变化”对解码的贡献提供了具体实验思路。

南昌大学合作团队识别运动想象,三个脑电数据集准确率达80.21%至97.32%

南昌大学参与的一项合作研究提出深度学习网络,用于从脑电信号中识别运动想象任务。在三个公开脑机接口数据集上,网络对数据集1的4类任务、数据集2的2类任务和数据集3的4类任务,分别取得80.21%、90.19%和97.32%的平均准确率,均超过各数据集上表现最好的对照网络。研究将多尺度信号处理与时间、通道注意力机制结合,并通过分段重建扩充训练数据。这些结果来自公开数据集评估,反映的是特定任务与训练条件下的分类表现,不等同于实时脑机接口或临床应用效果。
推荐理由 三个数据集的任务类别数不同,准确率不能直接横向比较。研究更具体的比较依据,是网络在各自数据集上相对于最强对照方法的表现,而不是单独看最高准确率。

听觉脑干植入体获批:上海九院牵头临床试验,三博脑科参研

据三博脑科消息,国家药品监督管理局已批准听觉脑干植入体注册申请。相关器械临床试验由上海交通大学医学院附属第九人民医院吴皓教授牵头,首都医科大学三博脑科医院团队作为分中心研究者参与。该产品用于听觉重建,适用于2-6岁(不含6周岁)的语前聋患者,且须符合非肿瘤导致的非综合征性耳聋、合并特定严重内耳畸形或蜗神经缺如而无法植入人工耳蜗等条件。装置将电极置于脑干耳蜗核表面,绕过耳蜗和听神经进行刺激,并与人工耳蜗言语处理器配套使用。
推荐理由 这款装置的刺激位置不是耳蜗,而是脑干耳蜗核表面。理解这一差别,有助于看清它为何面向无法植入人工耳蜗的特定患者,而不能把获批范围理解为适用于所有耳聋人群。

布法罗大学结合脑机接口与眼动,加快符号选择并减少误选

布法罗大学作者评估脑机接口与眼动追踪结合的辅助沟通系统。眼动先缩小目标范围,再由脑信号确认选择;实验报告其选择速度快于单独脑机接口,控制表现优于单独眼动,并减少误选和纠错负担。
推荐理由 定位与确认分工,是这套混合接口的核心。纠错时间、工作负荷和用户偏好也被纳入评估,可补充单看选择速度的不足。

南洋理工大学融合脑电与肌电,跨人手势识别准确率达89.2%

南洋理工大学研究者将脑电与肌电的时序关系融入手势识别网络。在12人和20人两个数据集的跨使用者测试中,准确率分别为87.6%和89.2%,比最强对照方法高9.4和9.1个百分点。适应新使用者时无需带标签的个人数据,研究对象为健康年轻成人。
推荐理由 换人、跨天和电极位置变化都会影响可穿戴识别。该研究分别报告这些条件下的表现,其中电极位移采用模拟,仍需真实佩戴验证。

加州大学旧金山与伯克利分校作者评述人机接口控制学习

加州大学旧金山分校和伯克利分校作者在《Neuron》发表评论,介绍闭环连续强化与感觉反馈如何共同影响人机接口的控制学习。文章涉及脑机接口、增强现实设备和手部假肢,重点是使用者如何学会控制这些系统。
推荐理由 人机接口的控制效果也取决于使用者的学习过程。这篇评述提供了从反馈和训练方式理解接口使用的角度。

埃塞克斯大学用脑电区分语义类别,两两分类准确率最高73.4%

埃塞克斯大学团队记录14名参与者根据语言线索检索概念时的脑电,比较食物、乐器和身体部位三类概念。三个两两分类任务的平均准确率分别为73.4%、70.7%和68.2%。模型先用其他人的数据学习,再用待测参与者自己的带标签数据校准。
推荐理由 参与者按键报告想起概念的时刻,使分析可以围绕概念检索展开。个人校准仍是实验流程的一部分。

© 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