脑机百科消息(bciwiki.com)，该研究2026年8月12日发表于《Biosensors》。耳部脑电（ear-EEG）作为一种在耳内或耳周测量脑电的方式，为日常脑机接口应用提供了实用的信号采集途径。然而，由于通道数有限、信噪比较低以及受试者间和受试者内的显著变异性，心理想象的可靠解码仍是一大挑战。
研究者Ji-Seung Kim、Soo-In Choi、Han-Jeong Hwang和Chang-Hee Han回顾分析了此前一项使用传统机器学习评估实时内源性BCI的耳部脑电数据集，对23种原本为头皮脑电开发的深度神经网络架构进行了系统性离线基准测试。据研究者所知，这是该领域首次如此大规模的系统对比。
研究结果表明，FBLightConvNet在所有评估模型中分类准确率最高，在三天的记录中均优于广泛使用的CSP-LDA基线，且在第2天和第3天达到统计显著差异。值得注意的是，许多先进的头皮脑电模型在耳部脑电上未能有效泛化，凸显了该领域中架构选择的重要性。该研究为开发面向真实场景的轻量化高性能耳部脑电BCI系统提供了实用的设计指导和可复现的基准测试框架。