脑机百科消息(bciwiki.com)，该综述2026年8月11日发表于《Sensors》，作者为Muhammad Ahmed Abbasi、Hafza Faiza Abbasi、Muhammad Arsalan、Danish Khan、Andres Annuk、Xiaojun Yu。运动想象（MI）分类是脑机接口连接人脑与外部设备的核心环节，过去二十年已在医疗、游戏、机器人控制等领域取得显著进展。作者指出，早期MI分类主要依赖传统信号处理方法，容易受到信号变化干扰；近年来深度学习的兴起，尤其是面向序列、注意力机制、混合结构与生成式架构的方法，显著提升了MI分类的效率与稳健性。
该综述系统梳理了循环神经网络（RNN）、变分自编码器（VAE）、生成对抗网络（GAN）与Transformer等架构在多个公开MI数据集上的表现，深入分析了传统模型（如RNN、LSTM）与新兴模型（如VAE、Transformer）在提取脑电信号复杂模式方面的优势与局限，并重点讨论了跨被试差异、低信噪比（SNR）以及实时信号分类等长期技术瓶颈。研究DOI为10.3390/s26165097，出版方为MDPI。