脑机百科消息(bciwiki.com)，陕西科技大学研究人员在《生物医学工程学杂志》2026年10月27日发表运动想象脑电分类框架DWDANet，结合多尺度时空特征建模和动态加权域对齐，尝试改善模型在不同受试者之间的适用性。
运动想象是指想象执行运动，可用于脑机接口识别用户意图。但不同受试者的脑电信号分布存在差异，会限制分类性能及模型对其他受试者的泛化能力。DWDANet将多尺度时空特征建模与动态加权域对齐结合，尝试缓解这一问题。
框架使用多尺度卷积提取时空特征，再由Transformer编码器建模全局依赖关系。同时，它通过动态加权的多源域对齐，促进不同来源域的协同建模，以改善跨受试者泛化。
在受试者内评估中，DWDANet在BCI IV-2a、BCI IV-2b和SHU-MI数据集上的准确率分别为87.22%、90.32%和68.82%。在跨受试者实验中，同一顺序下的准确率分别为70.61%、81.43%和64.38%，在三个数据集上均优于研究所比较的其他现有方法。
作者认为，这些结果表明DWDANet可为改善运动想象脑电分类及跨受试者泛化提供一种方法。上述结果属于数据集评估，不能直接推及在线脑机接口使用表现或医疗康复疗效。