脑机百科消息(bciwiki.com)，用心率、心率变异性、呼吸、皮肤电活动和瞳孔直径训练的多模态深度学习解码器，在解码任务相关唤醒状态时，受试者内曲线下面积（AUC）达到93.0%，高于仅用脑电（EEG）的解码器的85.2%和原始滤波器组共空间模式（FBCSP）解码器的79.8%。这项由Anirudh Natarajan和Paul Sajda完成的研究于2026年10月2日上传至预印本平台arXiv（编号arXiv:2610.04113），尚未经同行评审。
研究人员指出，多数基于唤醒度的脑机接口用脑电解码认知状态，但唤醒本质上是自主神经过程。他们使用一个公开数据集，任务是难度较高的边界规避模拟飞行，受试者分别接受基于脑电的脑机接口神经反馈、假反馈或无反馈。所有分析均为离线完成。
结果显示，只有外周信号解码器重现了解码唤醒度与任务表现之间的耶克斯-多德森倒U型关系。三种反馈条件没有改变唤醒轨迹，作者据此认为，脑机接口带来的收益可能来自任务关键时刻的调节，而不是唤醒水平的持续偏移。
研究人员还从对照试次中计算出随时间变化的最优唤醒轨迹，每个试次偏离该轨迹的程度可以预测表现（r = -0.28至-0.24，p < 0.01）。基线心率变异性和伽马频段功率会改变每名受试者的唤醒-表现曲线，研究据此把受试者分为唤醒敏感型和唤醒耐受型两组；按组设定的控制区间提高了试次区分度，Cohen's d分别由1.21升至1.32、由0.85升至1.10。
作者认为，外周信号在连续唤醒解码上优于脑电，并为个体化闭环唤醒调节提供了设计规格，但这一规格仍需前瞻性研究检验，例如采用个性化经皮迷走神经刺激。