天津大学

脑电信号只有微伏级，眨眼、咬牙、肌肉活动都会混进来。天津大学与天津工业大学的研究人员提出MTGNet框架，在保留下游任务所需信息的前提下压制伪迹：在公开数据集EEGDenoiseNet上，肌电、眼电和混合伪迹的频谱相对均方根误差分别降低18.9%、31.5%和14.0%；在真实疲劳脑电数据集上，分类准确率比未处理输入提高6.20至6.69个百分点。该框架只需0.33M的LoRA参数即可适配新任务，不需要成对的干净脑电参考。

天津大学团队提出一种基于图神经网络的联合优化框架，能在运动想象脑电解码中自动选出少量关键通道，同时保持与全通道相当的分类精度。研究发表于《混沌》（Chaos），在三个数据集上验证，包括BCI Competition IV 2a、High Gamma及新采集数据。这一方法有望降低脑机接口系统的复杂度，推动其在神经康复等实际场景中的应用。

研究者称，脑机接口控制的神经反馈干预可改善卒中患者运动功能：14名患者完成8次（2周）运动想象脑机接口干预后，FMA-UE上肢评分平均提升7.9分，Barthel指数提升7.1分，9/14达到FMA-UE最小临床重要差异（6.6分）。干预全程的脑电追踪显示，事件相关去同步（ERD）呈两阶段纵向趋势，第一周逐渐增强、第二周减弱并集中于对侧感觉运动区，静息态功能连接在干预后增强，且运动改善与其相关。研究者认为，该结果为理解卒中康复中的神经可塑性机制提供了纵向证据。

该研究记录大鼠在改良T迷宫中执行连续空间决策任务时的海马CA1群体活动，将决策过程划分为启动、奔跑与接近三个阶段，考察局部与前瞻性空间表征的动态演化。结果显示，中央臂位置细胞随动物接近选择点呈现递增的轨迹依赖性，局部theta序列一致性地过度表征实际选择；由选择臂位置细胞驱动的前瞻性表征则从奔跑期优先预测实际选择，过渡到接近选择点时更均等地表征潜在路径。整合局部与前瞻性特征改善了解码性能，未来选择预测在测试试验中达到74.4%准确率，即将进行的轨迹解码在样本试验中达到78.2%准确率。作者认为，纳入海马时空特征可改进行为解码，并为基于海马预测未来决策的认知脑机接口提供框架。

该研究发布了来自24名卒中患者的多范式纵向EEG数据集，涵盖新颖的“第六指”运动想象与患手运动想象范式。研究指出，单一运动想象范式与相关EEG数据集的缺乏可能限制卒中康复中的准确解读与有效应用；该数据集覆盖训练前、训练后与随访的完整纵向康复阶段，包含原始EEG数据、预处理数据与患者临床信息。初步分析使用CSP+SVM与CSP+LDA等经典机器学习算法，两种范式间的平均分类准确率保持在约85%-86%。作者预期，该数据集将促进MI-BCI范式与卒中神经可塑性研究，并有助于开发高效的卒中康复脑机接口系统。