/ 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

大语言模型补全意图,P300拼写击键次数减少超过62%

这篇综述梳理了P300脑机接口从经典拼写器到AI代理的演进路径。P300是大脑看到罕见刺激后约300毫秒出现的正向电位,系统靠它判断用户想选哪个字符。综述指出,ChatBCI、MindChat等近期系统把P300拼写器与大语言模型结合,击键次数减少超过62%,通信速度提高到近三倍。作者还提出一套端到端架构:脑电头戴设备加实时CNN检测器,再加一层由大语言模型规划器和物联网控制接口组成的AI代理层。
推荐理由 这篇综述把P300脑机接口的瓶颈说清楚了:传统拼写器靠逐字符闪烁选择,速度慢、易疲劳。它给出的解法不是换电极,而是让大语言模型替用户补全意图,击键次数减少62%以上,通信速度提高到近三倍。作者还提出脑电头戴设备加实时检测器再加AI代理层的架构,把辅助沟通、智能家居和AR/VR串成一条路径。综述同时点出信号噪声、用户疲劳和神经数据伦理三个尚未解决的问题。

阶梯医疗无线植入式汉语语音神经假体试验计划招募4人

上海阶梯医疗科技有限公司的无线植入式脑机接口系统进入人体评估阶段,面向言语障碍患者,试验编号NCT07647315,2026年9月1日实际开始,目前正在招募,计划入组4人。试验为前瞻性单臂设计,受试者接受手术植入并接受脑控训练,随访期预计12个月,期间记录不良事件、严重不良事件和器械缺陷,并收集脑控交互与沟通的有效性数据。主要终点预计2028年8月30日完成,整体预计2028年12月30日结束。登记记录没有公布植入部位、解码方式和纳入排除标准的细节,也没有阶段性结果,安全性与有效性结论要等随访数据。
推荐理由 现有语音神经假体的成绩大多建立在英语语料上,汉语普通话靠声调承载语义,解码路线无法照搬。阶梯医疗以无线植入方式直接面向汉语,现在进入人体评估。计划入组4人是早期可行性规模,尚无解码准确率与安全性数据。

预训练让脑机接口解码器少用九成以上标注数据

训练一个能读懂大脑信号的解码器,通常要为每一位新受试者重新采集大量带标注的数据,这既费时,对患者也是负担。这项研究提出的MAPA方法先用跨受试者累积的未标注颅内脑电记录做自监督预训练,再迁移到新受试者身上。难点在于颅内脑电的电极触点位置和神经解剖结构因人而异,MAPA在常规掩码自编码器上加了两种空间编码——解剖区域嵌入和相对位置编码。在跨受试者测试中,只需约164次带标注的试验就能达到原本需要3500次才能达到的准确率。研究团队称,MAPA在Neuroprobe基准的会话内、跨会话和跨受试者三种模式下都刷新了最好成绩,且无需微调。这意味着未来植入式脑机接口的校准过程可能大幅缩短。
推荐理由 植入式脑机接口落地的一大障碍是每位患者都要重新采集大量标注数据来校准解码器,费时且对患者是负担。这项预印本研究把自监督预训练用于颅内脑电,靠解剖区域嵌入和相对位置编码解决电极位置与神经解剖个体差异的问题,跨受试者时把所需标注试验从3500次压到约164次。需要提醒的是,这是预印本,尚未经同行评审,基准测试成绩不等于临床效果。

用核磁数据约束脑电解码,单指动作识别准确率提升至74.53%

手指在大脑运动皮层里的代表区挨得很近,从头皮脑电里分辨单根手指的动作一直很难。研究团队先用同步采集的脑电与功能核磁数据学出一套频谱投影,再用核磁给出的类别几何结构去修正脑电预测。12名健康受试者的测试中,两分类动作执行的组平均准确率从66.93%升到74.53%,三分类从44.83%升到56.58%;运动想象任务上两分类从80.78%升到85.63%。推理阶段只用脑电,不需要配对的核磁数据。
推荐理由 手指在大脑皮层里的代表区彼此挨得很近,脑电信号又会被容积传导抹平,所以非侵入式设备一直很难分辨具体是哪根手指在动。这项研究换了个思路:训练时借功能核磁的高空间分辨率来约束脑电模型,实际使用时只戴脑电帽。两分类动作执行准确率提升约7.6个百分点,运动想象提升近5个百分点;但受试者只有12名健康人,且是离线回顾性解码,离患者能用还有距离。

各向异性水凝胶电极实现P300与SSVEP信号采集

非侵入式脑机接口的电极长期在导电性、贴合度和耐用性之间取舍。一种通过原位定向冷冻共聚制备的导电水凝胶,内部形成垂直排列的离子通道与互连纳米孔网络,导电性优于常规水凝胶电极。在初步的P300与稳态视觉诱发电位(SSVEP)实验中,这种电极采集到的信号质量与常规湿电极和干电极基准相当,同时具备与组织匹配的压缩模量、高延展性、皮肤黏附性和快速自愈合能力。论文把上述实验定位为可行性验证,未报告长期佩戴稳定性、规模化制备或人体临床试验数据。
推荐理由 非侵入式脑机接口的电极长期在导电性、贴合度和耐用性之间取舍。这种水凝胶把离子传输通道和电子导电网络做在同一材料里,实验室阶段已经能读出P300和SSVEP,但还只是初步实验,离长时间佩戴、批量制造还有距离。

随机森林算法识别真实与想象动作,消费级脑电也能用

受试者做动作和只在脑中想象动作,脑电信号能不能被机器分开?一项预印本研究用随机森林算法在消费级和研究级脑电系统上做了测试,结果显示算法能区分两类活动,还能判断出对应的是身体哪个部位。脑电是理解大脑与人体运动相关电活动的基础工具,脑机接口正是利用这类电活动开发辅助技术,尤其是面向身体残障人士的技术;但从脑电信号中提取特征和模式仍然复杂,因此常交由机器学习算法处理。研究同时指出,不同人之间的脑电差异会拖累分类准确率——这意味着同一套模型换个人用,效果可能就打折扣。该研究为预印本,尚未经同行评审。
推荐理由 这项工作的看点不在算法本身——随机森林是成熟方法——而在于它把消费级脑电设备也纳入了测试。如果低成本的消费级设备也能支撑动作意图分类,脑机接口的门槛会明显降低。但研究也点出了现实障碍:人际脑电差异会拉低准确率,跨用户泛化仍是问题。

P300拼写器并非组件越多越好,四组件全因子试验揭示反协同效应

P300脑机接口拼写器常被设计成把多个各自有效的组件全部打开,默认组件越多性能越好。一项预印本研究用四组件全因子试验检验了这个假设:组件的价值是有条件的,而不是可叠加的。受试者校准是最强的单一贡献者;欧几里得对齐能在零校准设置下弥补校准的缺失;把各自有用的组件叠加起来反而可能拉低性能,作者称之为组件反协同。语言模型的支持也并非普遍有益,其效果强烈依赖底层脑电流水线的强度。
推荐理由 这项研究直接检验了脑机接口工程里一个默认做法:把各自有效的算法模块全部叠加。结论是叠加不一定划算,校准比空间滤波更关键,语言模型只有在脑电信号本身够干净时才有帮助。对做P300拼写器的团队来说,这提示流水线该按信号质量裁剪,而不是一味堆模块。研究为预印本,尚未经同行评审,结论仍需更大数据集验证。

电刺激与脑机接口同时运行:新滤波方法让解码准确率保持在76%

在经颅交流电刺激(tACS)开启的同时做运动想象脑机接口,刺激产生的伪迹会盖住脑电节律,让解码掉到接近瞎猜的水平。14名健康参与者的对照测试显示,把空谱分解与波束成形组合起来的实时空间滤波流水线,在刺激期间把准确率保持在76 ± 9%,而标准拉普拉斯滤波只有58 ± 9%。这意味着闭环的「边刺激边读脑」在信号层面已经可行,但能否真正提升脑机接口表现、或带来神经可塑性变化,论文明确留给了后续研究。
推荐理由 过去做脑机接口和做脑刺激通常要分开:刺激一开,伪迹就把脑电信号盖住,解码器基本失效。这项研究用空谱分解加波束成形做实时空间滤波,在14人身上把刺激期间的解码准确率从接近随机拉回到76%,与不刺激时的73%基本持平。它没有证明刺激能提升脑机接口表现——那部分论文自己写的是「未来工作」,但它给出了一个能同时刺激与解码的实时框架,双向脑机接口的因果验证因此有了可用的工具。

不用开颅也能读语音:OPM-MEG解码准确率高出脑电3.6个百分点

10名母语为汉语的受试者朗读6个单元音韵母,同一套任务下同时记录光泵磁强计脑磁图与脑电。在刺激后150至500毫秒窗口内,OPM-MEG在全部5种分类器上的解码准确率都显著高于脑电。表现最好的组合是共空间模式(CSP)特征加线性支持向量机,OPM-MEG平均准确率60.3%,脑电56.7%。这意味着无需植入电极、也不限制头部活动的语音脑机接口,可能有一条比脑电更清晰的信号通路。
推荐理由 语音脑机接口长期卡在非侵入式信号太糊。这项研究把两种非侵入式手段放在同一任务、同一批人、同一套分析流程里正面对比,而不是各做各的,结论才有可比性。差距不大——3.6个百分点——但方向一致,且OPM-MEG允许头部活动,这正是语音任务最需要的。

脑电运动想象控制轮椅,支持向量机解码准确率90.7%

研究团队设计并实现了一套基于脑电运动想象的脑机接口系统,把解码器与一台真实差速驱动轮椅原型机接在一起。这类系统面向严重运动功能障碍人群,提供非侵入式的控制途径,但脑电解码本身的不确定性一直是它走向实体执行机构的障碍。团队用滤波器组共空间模式提取特征,在公开数据集上比较支持向量机、k近邻和线性判别分析三种分类器,支持向量机的平均分类准确率为90.7%;换到独立数据集上通过硬件在环方式回放测试,准确率为85.9%。加入基于置信度的指令校验后,被系统接受的指令准确率升到97.6%,代价是只覆盖60.7%的指令。系统还配了置信度门控、转向自终止、切换制动、通信超时监控和硬件急停等多层安全措施,用来兜住解码出错时的后果。
推荐理由 这项研究把非侵入式脑电解码从离线分类推进到一台真实轮椅原型机上,并且给出了一个常被忽略的数字:加入置信度校验后,被接受的指令准确率虽然升到97.6%,但系统只肯执行其中60.7%的指令,剩下近四成需要用户重试。对使用者来说,这意味着脑控轮椅目前的瓶颈不只是分类准不准,还有系统在不确定时敢不敢动。

© 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