脑机百科消息(bciwiki.com)，据《Journal of Neuroscience Methods》，该刊于2026年10月15日发表Chrisilla S和Selvakumari RS的研究，提出一种用于上肢运动想象脑电信号的跨受试者解码框架。研究面向脑机接口（BCI）中模型对不同用户的适用性，在PhysioNet、BCI IV-2a和BCI IV-2b数据集上使用多种电极配置开展评估。
该框架结合图卷积、跳跃连接和人工设计的时频特征，并设置并行的空间与时间卷积分支。图卷积用于捕捉电极之间的功能连接，其他卷积模块用于学习空间和时间特征。研究采用分层分组K折（SGKF）和留一受试者（LOSO）验证协议评估受试者独立的解码表现；LOSO每次将一名受试者留作测试。
在PhysioNet数据集的三个上肢类别任务中，使用64、21和5个电极时，SGKF准确率分别为86.42%、91.01%和93.91%，LOSO准确率分别为92.25%、95.72%和96.01%。这些结果显示，在该研究所测试的配置中，电极数量较少的方案取得了更高准确率，但不能据此推断减少电极在其他任务中也必然提高表现。
在BCI IV-2a数据集上，研究报告的三种配置SGKF准确率分别为86.13%、89.01%和92.33%；使用5个电极时，LOSO准确率达到97.12%。在BCI IV-2b数据集上，使用3个电极时，SGKF和LOSO准确率分别为88.60%和93.35%。
作者报告，该框架与代表性图方法相比具有竞争力，同时需要更少的可训练参数和脑电电极，并认为其可支持资源需求较低的脑机接口系统。上述结果属于数据集上的跨受试者评估，不构成在线交互性能或临床疗效的验证。