脑机百科消息(bciwiki.com)，一项预印本研究提出用功能核磁共振的表征信息来约束脑电解码模型，使非侵入式脑机接口在不增加电极的情况下更准确地分辨单根手指的动作。该研究于2026年9月11日上传至arXiv预印本平台，尚未经过同行评审。研究团队提出的框架名为FRIST（fMRI Representation-Informed Shared-Space Training，核磁表征信息引导的共享空间训练），分两个阶段：先从同步采集的脑电与功能核磁数据中学出受核磁信息引导的频谱投影，再用核磁得到的类别几何结构去修正脑电预测的残差。
手指在感觉运动皮层中的代表区空间上彼此靠近，加上容积传导的模糊作用，从头皮脑电中解码单根手指一直是难点。FRIST通过共享的手指标签在不同记录之间传递信息，不要求配对的试验数据，推理阶段只使用脑电信号。研究纳入12名健康受试者，在动作执行和运动想象两种任务下，按时间顺序留出会话进行两分类和三分类解码，模拟在线使用场景。
以EEGNet作为脑电特征提取器时，FRIST把两分类动作执行的组平均准确率从66.93%提升到74.53%，三分类动作执行从44.83%提升到56.58%，两分类运动想象从80.78%提升到85.63%，三分类运动想象从60.93%提升到69.90%。研究还显示，当目标受试者本人的核磁数据不可用时，FRIST仍能改善纯脑电解码；换用EEG Conformer作为特征提取器时，两分类运动想象达到87.40%，三分类运动想象达到72.54%。研究团队认为，这些结果表明功能核磁能为脑电表征学习提供有用的空间约束，为把核磁的空间特异性与脑电的实时适用性结合起来提供了一条多模态路径。