脑机百科消息(bciwiki.com)，据《Journal of Neural Engineering》2026年10月13日发表的研究，北京体育大学团队提出了用于运动想象脑机接口的轻量级解码模型MTDANet。研究在三个公开运动想象脑电数据集上开展离线评估，部分比较在各自设置内获得统计支持，但未通过涵盖更多比较的敏感性分析。
运动想象脑机接口利用想象动作时的脑电活动实现非侵入式交互，但相关信号较弱、随时间变化，并分布在不同时间尺度上。MTDANet结合多尺度时间与空间特征提取、分解式时间信息整合，以及距离正则化的循环注意力机制，分阶段从局部细节整合到较长范围的信息，而不依赖不受限制的自注意力。
研究采用受试者特定和留一受试者法（LOSO）两种评估方案。相对于平均准确率最高的基线，MTDANet在BCI Competition IV 2a和BCI Competition IV 2b上的受试者特定准确率分别提高3.56和1.62个百分点，两项差异均在各自设置内经Holm多重比较校正后获得统计支持。在LOSO评估中，BNCI2014_002上的差异为2.08个百分点，95%置信区间为0.42至3.73个百分点，校正后p值为0.0387。不过，这三项比较在涵盖56项比较的更广Holm敏感性分析中均未保持显著。
团队还分别初始化模型，并在P300和稳态视觉诱发电位（SSVEP）数据集上训练，以考察架构在其他任务中的适用性；这些模型取得了所比较模型中最高的观测平均准确率。该结果不等于同一个已训练模型能够直接迁移到这些任务。作者将主要结论限定在离线运动想象脑电评估在各自设置内，为分阶段、从局部到全局的时间建模提供了证据。