脑机百科消息(bciwiki.com)，扩展现实（XR）环境下的视觉刺激会降低脑电信号质量，但一项新研究显示，深度学习模型仍能保持较高的分类准确率。意大利那不勒斯费德里科二世大学的研究团队在《Sensors》杂志2026年8月27日发表论文，评估了SSVEP-TFFNet模型在XR条件下对稳态视觉诱发电位（SSVEP）的分类性能，并与传统方法滤波器组典型相关分析（FBCCA）进行了比较。
研究使用了包含30名受试者、1200次试验的开放XR基准数据集，数据通过微软HoloLens 2采集。结果显示，SSVEP-TFFNet在XR条件下优于FBCCA。进一步分析表明，将电极从8通道减少至6通道或4通道，分类性能仍接近全通道配置。研究还依据《测量不确定度表示指南》（GUM）对分类准确率和信息传输率进行了不确定度评估，纳入了受试者内和受试者间的变异性。
该研究由Angrisani L、De Benedetto E、De Maria A、Duraccio L和Tedesco A共同完成，作者分别来自该校电气工程与信息技术系和公共卫生系。研究结果为轻量化、可穿戴的XR脑机接口实现提供了证据，表明适当选择的深度学习模型能够在XR环境下有效分类SSVEP信号。