脑机百科消息(bciwiki.com)，据《IEEE Transactions on Bio-Medical Engineering》的期刊记录，五邑大学、澳门大学和英国埃塞克斯大学作者的混合脑机接口方法研究刊于2026年11月卷期。研究提出解耦多模态时空学习方法（DMSL），用于融合脑电（EEG）与功能性近红外（fNIRS）信号，并在公开数据集上评估心算、运动想象和情绪识别任务。
该方法处理的具体问题是：两类信号之间的时间与空间关联不易充分提取，将每类信号作为整体学习又可能留下重复信息。研究先提取各类信号的时空模式，并利用注意力交互学习两类信号之间的关联；随后，通过基于重构通道的图卷积及一致性、差异性约束，将共有信息与各自特有的信息分开，再自适应融合，用于任务预测。
作者报告，在心算、运动想象和情绪识别任务中，DMSL的表现平均准确率分别为75.43%、68.24%和45.40%，较各任务最佳基线分别高2.34、0.59和1.47个百分点。表Ⅱ中，心算与最佳基线的差异达到统计学显著，运动想象及情绪识别与各自最佳基线的差异未达到显著。这些数值对应公开数据集上的不同任务，并非对实时使用效果的测量。作者认为结果支持该方法改善EEG-fNIRS解码，并体现较强泛化能力；这一解释不能直接延伸为已验证跨会话使用或临床效果。