脑机百科消息(bciwiki.com)，西北工业大学的研究团队提出一种名为Diff-ADN的扩散引导伪迹去噪网络，可从单通道脑电中去除眼电、肌电、心电及混合伪迹；在4个公开运动想象数据集上，去除心电伪迹后解码准确率回升4.88至5.59个百分点。相关论文发表于2026年9月22日的《Journal of Neural Engineering》（PMID 42772331，DOI 10.1088/1741-2552/aeab36）。
眨眼、肌肉活动和心跳等生理伪迹会降低脑电记录质量，并影响下游的脑机接口分析。Diff-ADN采用两阶段框架：第一阶段根据污染严重程度进行条件重建，第二阶段由扩散模型引导做残差修正。训练时用前向加噪和速度预测监督第二阶段编码器，推理时只需一次确定性残差修正，无需迭代的反向扩散采样。
研究人员在-7至+2 dB的污染水平下评估该框架。Diff-ADN对眼电、肌电、心电及眼电加肌电混合伪迹的平均皮尔逊相关系数分别为0.936、0.839、0.886和0.844。换用独立记录的伪迹来源测试时，表现因伪迹类型而异：眼电和肌电下降更明显，PTB和INCART心电与MIT-BIH参考结果的差值分别为0.026和0.014。解码准确率的最大回升出现在BCI IV-2a数据集、PTB心电伪迹、-6 dB条件下，为21.90个百分点。
该框架在测试CPU上处理2秒脑电片段耗时12.52至17.08毫秒。作者指出，跨独立伪迹来源和多个运动想象数据集的结果显示，波形重建的改善并不一定带来脑机接口解码准确率的同步回升。