脑机百科消息(bciwiki.com)，德国雷根斯堡东巴伐利亚应用技术大学（OTH Regensburg）的研究人员以脑电微状态序列作为脑机接口触发信号，结合迁移学习后，左右手运动想象的分类准确率峰值约为89%，相关论文以预印本形式于2026年8月23日上传至bioRxiv，尚未经同行评审。
脑电微状态是指大脑活动中数量有限、短暂稳定的空间分布模式，其随时间变化的轨迹被认为反映了信息加工过程中的神经机制。研究团队考察了这类微状态序列能否充当脑机接口的触发器：用半监督深度学习模型区分受试者想象左手还是右手运动，并以分类输出作为触发指令。该模型由基于长短期记忆网络（LSTM）的自编码器和一个全连接神经网络组成。
研究比较了两种训练方式：一种是两阶段法，自编码器与分类器分开训练；另一种是端到端法，把信号重建误差和分类误差合并在一起训练。据论文摘要，该模型能够从微状态序列中提取相关特征，用于同一受试者、同一会话内的分类；在跨会话或跨受试者的迁移学习中，分类准确率峰值约为89%。
研究人员还以迁移学习所需的数据量作为校准时间的代表指标，结果显示，采用该方法平均约需400秒的校准才能达到80%的分类准确率。作者认为，微状态分析把多通道脑电降维为有限几种随时间变化的脑状态，结合迁移学习，有望用于更便于使用、免校准的脑机接口，但这一设想仍有待验证。