脑机百科消息(bciwiki.com)，一项单例可行性研究用8通道OpenBCI Cyton板、按国际10-20系统布置的脑电帽和Meta Quest 2头显，采集运动想象与注意力信号，在信号稳定条件下用EEGNet深度学习模型实现最高90%的受试者特异性在线分类准确率。该研究发表于2026年9月15日的《Sensors》。
研究的目标场景是注意缺陷多动障碍（ADHD）的认知控制训练。论文指出，把脑电传感器整合进虚拟现实严肃游戏用于认知治疗仍属探索阶段，已有方案多用多通道系统，硬件复杂，且未把运动想象与注意力水平结合起来。
信号采集并不顺利。论文报告，高阻抗和通道饱和需要通过导电膏缓解，VR头显绑带产生的机械张力则引入运动伪迹和噪声。作者据此认为，低成本8通道配置在交互式VR脑机接口严肃游戏中的技术可行性成立，前提是皮肤电极阻抗与机械干扰得到控制。
研究团队来自维也纳工业大学工业软件研究组（INSO）、奥地利RISE以及印度RISE Institute of Technology。作者强调，结果只是后续认知训练应用研究的基础，仍需包括临床评估在内的进一步研究来判断其治疗场景的适用性。