脑机百科消息(bciwiki.com)，据University of Salerno提供的研究信息，2026-09-15上传至bioRxiv的预印本介绍了FUSE，一种结合脑电（EEG）与脑磁（MEG）信号的运动想象脑机接口解码框架。该预印本未经同行评审。研究在20名参与者的同步脑电和脑磁记录上进行评估，考察两类信号的共享表征能否改善分类，并用于跨参与者迁移。
FUSE将表征学习与下游分类分成两个阶段。第一阶段，卷积编码器—解码器直接根据时域活动预测脑电和脑磁信号的功率谱密度，即信号功率在不同频率上的分布，而非采用重建原始输入信号的常规目标。第二阶段，编码器被冻结，其学到的表征不再调整，直接复用于后续运动想象分类。
作者报告，相比传统手工频谱特征，学习得到的表征将中位分类准确率从73.4%提高至79.4%。多模态框架的中位准确率为79.4%，高于仅用脑磁的68.0%，也略高于仅用脑电的76.5%。跨参与者分析显示，超过一半的跨受试者模型与对应的受试者专属模型相比，准确率差距在1个百分点以内；这一比例指模型，而不是参与者人数。
作者据此认为，不以具体下游任务为目标的表征学习能够提取具有生理意义、可跨个体迁移的多模态神经表征，并可能支持更稳健、可复用的脑机接口分析流程。这里的实证结果是记录数据上的分类表现与迁移表现，不构成人体临床疗效证据。