同时读脑电和脑血流:EFS-Net做到超8成心算识别准确率
华东理工大学等机构的研究者提出名为EFS-Net的端到端融合网络,把脑电与功能性近红外光谱两种信号在多个尺度上对齐融合,以克服单一模态解码的局限。网络设三条互补分支:多尺度时间卷积分支捕捉脑电快速变化的皮层电生理特征,脑电空间分支构建经延迟补偿的皮层地形图以适配近红外较慢的血流动力学响应,空间校准的近红外分支把空间特征图与脑电对应特征动态融合。在词语生成和心算两个公开数据集上,采用逐被试留一次会话交叉验证,准确率分别为77.71%±8.23%和81.69%±9.49%。该研究2026年8月21日发表于《Cognitive Neurodynamics》。