脑机百科消息(bciwiki.com)，一项基于脑机接口（BCI）技术的研究提出个性化听觉频率差阈（FDL）客观评估范式与解码方法，并在11名健康参与者中验证了其有效性。该研究由天津大学等机构的研究人员完成，于2026年7月24日发表于《Progress in Biochemistry and Biophysics》。传统FDL测量依赖受试者的主动行为反应，易受主观因素干扰；现有研究范式常采用统一刺激配置，忽视个体感知差异。该研究设计了基于个体精确FDL的个性化快速序列听觉呈现（RSAP）范式，以4000 Hz纯音序列评估参与者，模拟真实听觉环境，探究阈值状态下弱频率偏差的神经表征。
针对听觉刺激诱发反应特征在多频域上复杂且差异化的时空分布，研究提出多尺度时空双注意力网络（MS-STAMNet）。该网络构建多感受野并行处理分支，引入动态自适应加权策略定位核心神经活动信号，并通过跨分支特征交互整合多尺度信息，实现弱听觉诱发反应的稳健单试次解码。电生理数据分析显示，阈值水平的微妙频率偏差刺激成功诱发了显著的N2和P3事件相关电位，分布于额、中央和颞区；在时频域，低频δ和θ频段出现事件相关同步，而高频α频段出现广泛的事件相关去同步。模型性能对比显示，MS-STAMNet的平均未加权平均召回率（UAR）为(69.67±6.12)%，AUC为0.7618±0.07，显著优于EEGNet和PLNet等基线模型。回归分析（R²=0.016，P=0.709）验证了神经解码与行为表现之间的分离现象，表明模型能捕捉未触发显性意识反应的隐性频率偏差特征。注意力权重可视化进一步显示网络对双侧颞叶和额顶区关键特征的精准聚焦。
研究结论指出，该工作系统揭示了长序列阈值听觉刺激下微妙声学变化的多维时空演化模式，验证了MS-STAMNet在复杂背景噪声中准确解码弱单试次脑电信号的有效性和稳健性，为临床应用中个体听觉认知能力的客观定量评估奠定了理论与方法基础。