脑机百科消息(bciwiki.com)，西安交通大学与康复大学、郑州大学等机构研究人员开发脑电解码模型E-STACNet，在BCI Competition IV 2a运动想象数据集上的平均准确率为88.00%。论文于2026年10月19日发表于《Neural Networks》。
模型把电极通道之间的空间关系与脑电随时间变化的特点放在同一网络中处理。通道注意力模块保留不同位置通道的关系，卷积层提取时间和空间特征，多头自注意力模块再筛选较重要的时间信息，最后输出分类结果。
团队在3个公开数据集上测试。在BCI Competition IV 2a和Giga DB上，平均准确率分别为88.00%和80.62%；在DEAP上，情绪效价和唤醒度分类分别为96.49%和96.46%。效价描述情绪的正负倾向，唤醒度描述情绪激活程度。作者报告，模型在3个数据集上均优于所比较的方法。
逐一移除模块的实验支持保留通道空间关系对模型表现的作用，通道重要性可视化则提供了观察模型依据信息的线索。结果来自公开数据集，尚需考察实际使用时的泛化表现。