脑机百科消息(bciwiki.com)，衡阳师范学院与重庆第二师范学院研究人员合作提出轻量脑电解码模型NCEL，相关论文于2026年10月27日发表在《Biomedical Physics & Engineering Express》。研究在五个基准数据集上评估约8000参数的模型，并单独报告会话分离测试。
研究提出神经卷积增强轻量级网络NCEL，在保持结构紧凑的同时增强脑电（EEG）的时空特征表示。其动态神经卷积模块根据输入学习时间滤波策略，以应对试次间差异和采集会话相关的分布变化；并行多尺度时间卷积分支同时捕捉短时波形变化和较长时间范围内的节律关系。轻量通道注意力门控机制则自适应调整中间特征，旨在突出任务相关信号、抑制噪声占主导的通道。
研究在BCIC IV-2a、BCIC IV-2b、ERN、SMR和P300五个基准数据集上评估模型。NCEL在BCIC IV-2b上的平均分类准确率为82.75%。相较EEGNet参考值，其在P300上的平均表现提高12.53个百分点，在BCIC IV-2b上提高9.54个百分点，参数量约为0.008M。这些比较针对论文报告的基准评估，不应直接视为跨会话提升幅度。
在额外的受试者特定、会话分离评估中，NCEL在BCIC IV-2a上的跨会话表现与EEGNet相当，在BCIC IV-2b上的平均表现提高1.80个百分点。作者认为，NCEL为资源受限的脑电解码提供了参数高效的框架，但更广泛的跨会话泛化能力仍需进一步验证。