脑机百科消息(bciwiki.com)，研究人员提出一种名为STAND-Net的神经形态网络，用事件驱动的脉冲神经元去除脑电伪迹，功耗比可比的深度神经网络低97.98%，相关论文发表于2026年3月4日的《IEEE Journal of Biomedical and Health Informatics》，作者为Zhang R、Guo X、Pan Y和Gao S。
基于脑电的脑机接口应用前景广泛，但普遍存在的生理伪迹会降低信号保真度。论文指出，现有深度神经网络虽然能改善伪迹剔除效果，但计算开销高，难以部署在可穿戴脑机接口系统中。
STAND-Net全称为Spiking Temporal Attention autoeNcoDer Network。据论文描述，它由三部分组成：采用泄漏积分发放神经元的脉冲卷积编码器-解码器，用于建模脑电的时空动态；加入空洞卷积的残差主干，用于捕捉长程依赖；以及脉冲发放率注意力机制，依据神经元放电模式动态定位伪迹。
论文报告，与最先进的现有方法相比，STAND-Net在多种伪迹下的信号失真比提高超过3.7 dB；使用其处理后的信号进行下游脑机接口分类，准确率提高6.64%。作者认为，这项工作为可穿戴脑机接口系统提供了一种低功耗、高质量的脑电伪迹去除神经形态框架。摘要未说明所用数据集、受试者人数及硬件实现方式。