脑机百科消息(bciwiki.com)，来自天津大学、海河脑机交互与人机共融实验室和南方科技大学的研究人员系统综述了运动想象脑机接口解码算法的轻量化策略，并将其称为“轻量运动想象（LightMI）”。该综述发表于2026年9月26日的《Journal of Intelligent Medicine》。
运动想象脑机接口通过解码脑电（EEG）信号中的运动意图，实现大脑与设备的直接通信。作者指出，深度学习模型已显著提高解码准确率，但计算复杂度高、参数量大，难以部署在资源受限的设备上。
综述从两个方面展开。在结构层面，作者梳理了高效卷积架构，包括深度可分离卷积、多分支卷积和空洞卷积，以及注意力机制的引入；在模型压缩层面，涵盖剪枝、量化、知识蒸馏和低秩分解。文中还按参数量、计算量和分类准确率比较了代表性轻量模型。
作者认为，轻量化卷积神经网络在运动想象脑机接口中显示出较强潜力，但现有方法仍有局限：剪枝可能丢失关键时空特征，低比特量化会带来性能下降，知识蒸馏强烈依赖教师模型，低秩分解的架构适应性较差；手工设计也效率不高且受特定硬件限制。作者建议未来优先研究自动化神经网络结构搜索、可微分搜索和软硬件协同设计，以实现实用的可穿戴运动想象脑机接口系统。