脑机百科消息(bciwiki.com)，一种名为Ghost-LENet的轻量级卷积神经网络在脑电运动想象分类任务中表现出色，在BCI Competition IV-2a和IV-2b数据集上分别达到82.18%和83.05%的分类准确率，而可训练参数仅数千。该研究由西北师范大学、复旦大学等机构的研究人员完成，发表于2026年7月20日的《Brain-Apparatus Communication: A Journal of Bacomics》。
Ghost-LENet基于LENet框架设计，通过结合膨胀时间卷积与平稳小波变换来捕捉脑电信号的多尺度时间特征，并引入动态残差融合机制（DR-ECA）自适应平衡注意力增强特征与原始特征，同时采用Ghost模块提高参数效率。实验结果显示，该模型在多个公开脑电数据集上以极小的参数量实现了有竞争力的分类性能，为资源受限的脑机接口应用提供了轻量且高效的解码方案。