脑机百科消息(bciwiki.com)，重庆大学电气工程学院团队提出一种名为MTANet的端到端神经网络，用于提升运动想象脑电信号的解码精度。相关论文于2026年9月20日发表于《Behavioural Brain Research》（PMID 42764074）。
MTANet包含两个核心模块：脑电inception注意力模块负责提取并加权脑电信号中的时间-频率-空间特征；并行时序注意力模块则通过多条并行时间卷积网络，分别处理不同特征序列的加权片段，增强特征表达能力。整体架构为端到端设计，无需手动提取特征。
在3个公开运动想象脑电数据集上的离线测试中，MTANet的平均准确率分别为：BCI Competition IV数据集IIa 83.39%（±0.09），数据集IIb 89.47%（±0.08），BCI Competition III数据集IIIa 77.06%（±0.12），均优于7种对比模型。研究团队来自重庆大学输变电装备技术全国重点实验室。该研究基于公开竞赛数据集的离线验证，尚未在在线脑机接口场景中测试。