脑机百科消息(bciwiki.com)，科贾埃利大学等合作团队在《Sensors》2026年10月27日发表近红外脑机接口分类研究，在29名参与者的公开数据集上，以留一受试者交叉验证区分左手运动想象、右手运动想象、心算和休息，平均准确率为95.6%。
该框架结合6个时间血流动力学描述子和10个适配fNIRS的梅尔频率倒谱系数（MFCCs），分别提取血流动力学响应的不同信息。模型针对各个样本学习两类特征的权重，再使用多层感知机进行分类，而非仅将两类特征直接拼接。
研究使用包含29名参与者的公开数据集，任务为左手运动想象、右手运动想象、心算和休息。评估采用受试者独立的留一受试者交叉验证，即轮流将一名参与者的数据留作测试。AMFF的平均准确率为95.6%，精确率、召回率和F1分数分别为94.6%、95.9%和95.3%。
作为比较，仅使用时间特征、仅使用倒谱特征和直接拼接两类特征的准确率分别为90.7%、95.0%和95.2%。Friedman检验及经Holm校正的Wilcoxon符号秩检验显示，四项指标均存在显著差异。AMFF相较静态拼接在每名参与者上均有提升，但准确率增幅较小，为0.2至0.7个百分点。
研究指出，相对时间描述子的大部分提升来自倒谱特征，自适应加权进一步带来小幅且持续的改善。研究还通过MFCC参数敏感性、系数消融和描述子消融分析考察各类特征的贡献。这些结果来自公开数据集上的交叉验证，不等同于实时脑机接口部署效果已获验证。