脑机百科消息(bciwiki.com)，在严格被试无关的评估条件下，基于频段功率的频谱特征对想象语音脑电的粗粒度分类平均逐试次准确率为49.03% ± 4.18%，显著高于时域统计特征的37.97% ± 3.79%。这一结果来自Frederik Møllskov Trier、Xiaopeng Mao和Sadasivan Puthusserypady的研究，论文于2026年9月24日上传至arXiv预印本平台，尚未经同行评审。
想象语音解码是指从脑电图（EEG）中识别受试者在心里默念、但没有说出口的内容，被视为重度运动障碍患者的一条潜在沟通途径。作者指出，已有研究报告的性能往往依赖一些不能清楚反映跨被试泛化能力的评估方案，因此本研究在一个多类想象语音脑电数据集上做了透明的基线调查，测试数据始终来自未参与训练的受试者。
研究比较了两套预处理与特征提取流程：一套提取时域统计特征，另一套计算频域各频段的功率。两套流程都采用随机森林分类器，按受试者划分进行交叉验证，并在试次层面做多数投票。前向特征选择进一步显示，少数几个频段就捕获了大部分可区分信息。
作者认为，这项工作可作为今后改进脑电想象语音解码跨被试泛化能力的脑机接口研究的基础。摘要未说明数据集的类别数和受试者人数，也未给出对应的随机猜测水平，因此49.03%这一数字的实际意义还需结合全文判断。