脑机百科消息(bciwiki.com)，据arXiv，2026年10月14日上传至该平台的预印本提出了NeuroDETR框架，用于从连续脑电记录中识别事件类别并估计起止时间。该预印本未经同行评审。研究针对异步脑电事件检测，即推理时无需预先提供事件边界的检测任务，面向脑机接口的连续交互与监测。
这一任务的主要难点，是从持续的背景活动中提取事件相关模式。NeuroDETR结合结构化标记化与事件感知特征细化：前者将信号表示为紧凑的离散单元，后者围绕可能发生的事件调整特征。多尺度时间码本分别捕捉短暂响应和持续动态，空间金字塔向量量化（Spatial-Pyramid VQ）则分层编码脑电通道之间的空间结构。这些表示共同形成紧凑的事件记忆，用于联合判断事件类别及其开始、结束时间。
在标记化之前，框架使用名为FOCAL的事件感知稀疏注意力模块。该模块依据预测的事件存在情况，引导时间特征细化与空间信息聚合，在突出可能包含事件的时段时，保留整段记录的上下文。
作者报告，在八个涵盖不同范式的脑电数据集上，NeuroDETR取得了最先进的性能。作者认为，这些发现可为开发在连续交互和监测中识别有意义神经活动的脑机接口系统提供基础。这里的性能结论属于数据集实验结果，不应解读为已证实的临床疗效或实际部署效果。