脑机百科消息(bciwiki.com)，新加坡理工大学研究人员开发出一种深度学习框架，可在线解码同一只手的左右方向运动想象脑电信号，在20名健康受试者中取得58.7±8%的平均解码准确率，研究者称优于现有深度学习模型。该研究发表于2026年10月1日的《Sensors (Basel, Switzerland)》（PMID 42817507，DOI 10.3390/s26185951）。
研究背景是脑卒中康复。半球卒中会损害对侧肢体的运动控制，基于运动想象的脑机接口被认为可促进神经可塑性。论文指出，现有深度学习研究大多针对双侧运动想象（如左手对右手），且多为离线评估；而解码单侧运动想象中的方向信息能提供更自然、自由度更高的控制方式，难点在于相关神经活动在空间上高度重叠。
方法上，模型以EEGNet卷积滤波器提取时间与空间特征，并加入挤压激励（SE）层，对电极重要性和特征图进行排序。研究者先用多名受试者的校准数据训练一个跨受试者通用模型，再针对每名受试者微调，最后用各自的在线测试数据评估性能。
作者认为，SE层给出的电极排序可揭示各电极的贡献，有望用于针对个人优化脑机接口系统。需要注意的是，该研究受试者均为健康人，58.7%的平均准确率所对应的二分类任务随机水平为50%，方法在中风患者中的效果尚待验证。