脑机百科消息(bciwiki.com)，研究人员提出一种多尺度混合注意力网络MSHANet，用于运动想象脑电（MI-EEG）解码，在BCI Competition IV数据集2a、2b及EEGMMID上的被试内解码准确率分别为83.56%、89.75%和75.66%，相关论文发表于2026年1月13日的《IEEE Transactions on Biomedical Engineering》（PMID 41528907，DOI 10.1109/tbme.2026.3653824）。
运动想象脑电是脑机接口常用的信号来源，在神经康复和运动功能恢复中有应用，尤其面向脑卒中或脊髓损伤患者。论文指出，这类信号的非线性动态特性和个体间差异限制了解码准确率。MSHANet由时空特征提取、交互头自注意力、动态挤压—激励注意力和时间卷积网络四部分组成。
在被试间实验中，该模型在BCI-2a、BCI-2b和EEGMMID上的准确率分别为69.93%、81.85%和79.67%。研究人员还提出一种电极空间结构感知编码器，在原始数据中编码电极的空间位置，使模型在输入阶段即获得更丰富的电极空间信息；在BCI-2a的被试内与被试间任务中，该编码分别使解码性能提升2.83%和2.91%。团队另用可视化方法展示了特征分布和注意力机制的作用。
作者在论文中称，MSHANet在临床应用方面潜力较大，特别是神经康复与运动功能重建。上述结果均基于公开数据集的离线评估，摘要未报告在患者中的实时测试。