昆明理工大学

昆明理工大学等机构的研究人员提出脑机接口基础研究理论体系，从信息论和统计决策角度，将脑机接口描述为闭环概率信息处理模型。研究关注系统能否解码、性能边界及动态约束机制等基础问题，构建了包含科学假设、神经科学原理、基本定理和基本定律的理论结构，并推导出四项可指导实验设计的结果。论文以运动想象脑机接口为参照说明应用边界。作者希望这一体系为基础研究提供统一分析基准，支持从经验驱动的算法优化转向理论驱动的系统分析与设计。

昆明理工大学研究人员综述神经反馈用于创伤后应激障碍干预的机制与效果评价，比较脑电、实时功能磁共振成像和功能性近红外三种方式在反馈目标、时空分辨率及临床适用性上的差异。神经反馈通过实时呈现脑活动特征，引导患者学习调节异常神经活动。综述结合临床量表、神经生理指标和功能恢复指标，讨论其相对于一线治疗的临床定位，以及与心理干预联合应用的潜在协同机制。作者指出，现有研究仍存在对照设计不足、训练参数缺乏标准化等问题，不能将应用潜力视为已确立的治疗效果。

脑机接口要走出实验室、进入日常使用，卡在可靠性和易用性这类“人的因素”上。传统人因工程主要研究外显行为和外周生理信号，很少把大脑活动本身当作控制输入。这篇概念性综述提出把“脑机接口人因工程”发展为一个交叉研究方向：把研究对象归纳为用户的神经认知特征、人脑与系统相互适应的机制、多模态反馈调节和使用情境的适应模式，提出个体差异与动态适应、人因优化与容错、情境泛化三个核心科学问题，并把伦理、隐私与用户权益作为贯穿始终的维度。

脑机接口的硬件和算法进步很快，但“到底能从脑信号里读出多少意图、误差最低能降到多少”一直缺少系统的理论回答。这篇论文把整个脑机接口系统看成一个闭环的随机过程：人产生意图，大脑把意图编码成神经活动，设备采集信号，算法做统计判断，再把结果反馈给使用者。在此基础上，研究者用信息论和统计决策理论推出几条基本定理，分别描述意图在什么条件下可以被解码、可观测信息的上限、最优解码误差的下限，以及闭环学习能否收敛；又总结出信噪比、类别可分性、信号随时间漂移等因素带来的约束。作者以四类SSVEP脑机接口（让用户注视不同频率闪烁目标的范式）作为理论案例，演示这套框架如何落到具体设计建议上。该工作为纯理论推导，未报告新的实验数据。

昆明理工大学团队在《生物医学工程学杂志》发表论文，系统分析脑机接口固有局限对能力边界的约束机制。研究指出，神经编码动态性、个体差异、低信噪比、部分可观测性和范式依赖性共同构成能力边界的形成基础，并在神经信息、人因和系统三个层面表现为解码精度、信息传输率、复杂意图解码、用户体验及系统稳定性等的上限。团队提出信息增强、自适应解码、人机协作和系统优化等策略，认为性能提升关键在于增强神经信息利用，而非克服底层局限。该研究为理解脑机接口性能天花板及未来提升路径提供了理论参考。

手写想象脑电为脑机接口提供了一条无创的文本输入与复杂意图表达路径，但解码受低信噪比、非平稳性、跨会话分布漂移以及连续时间趋势与局部高响应模式并存等挑战制约。新网络DRDNet用平均池化与最大池化从空间脑电特征构造两个互补的时间视图，分别交给双向Mamba编码器与Transformer编码器建模，再经时间步级动态融合与长短期记忆时序聚合自适应整合。在公共手写想象脑电数据集的汉字笔画手写想象与拼音单韵母手写想象两个任务上，它平均准确率分别做到67.74%和62.51%，Cohen's kappa分别为0.5968和0.5502，优于7个代表性脑电解码基线。该研究2026年8月19日发表于《Journal of Neural Engineering》。