脑机百科消息(bciwiki.com)，空中交通管制员的脑电信号存在明显的个体差异，这限制了被动脑机接口在认知负荷解码中的泛化能力。南京航空航天大学等机构的研究者提出一种动态微状态引导的图卷积网络（DMG-GCN），在模拟多级管制任务的跨受试者评估中实现80.30%的平均准确率和78.63%的平均F1分数，相关成果2026年8月26日发表于《Biosensors》。该模型采用动态选择性核时间卷积模块，自适应提取多尺度时频特征，并通过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，时空图卷积模块聚合这些表征，时间自注意力机制聚焦任务关键转换时刻。探索性可解释性分析显示，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的转变。研究团队认为，该框架为现代航空中的自适应自动化提供了稳健且可分析的被动脑机接口方案。