文献

一项早期可行性研究随访5名脊髓损伤参与者，每人感觉皮层植入两块Blackrock NeuroPort微电极阵列。2至10年植入期间，系统累计发送超过1.68亿次皮层内微刺激，总植入随访达到27年，没有报告严重不良事件或对电极健康的直接负面影响。到随访时仍有64%±13%的电极可稳定诱发触觉，其中1名参与者植入10年后仍有60%的电极有效。

中山大学研究者提出微创混合BCI架构，通过300至800微米颅骨微孔植入分布式微电极，大鼠实验证实信噪比优于头皮脑电。该研究为预印本，尚未经同行评审。

研究者利用癫痫监测患者的立体定向脑电图高伽马活动解码15个语义类别，分类准确率达29.8%（随机水平6.7%），为语言BCI提供了语义解码的可行性证据。该研究为预印本，尚未经同行评审。

非侵入式脑机接口面临学习效率与控制精度挑战，尤其对无经验用户。一项新研究提出感觉引导的联合学习框架，将人类运动学习与自适应机器学习结合。在31名无经验参与者中，一维在线离散准确率达86.0%，二维达77.5%，连续控制准确率分别为77.5%和66.9%。触觉引导减少用户探索、加速神经适应，样本重加权使解码器更新与人类学习轨迹对齐。该框架将脑机接口训练从被动校准转变为主动的人机联合学习，为沟通与康复提供实用可扩展的神经接口。论文由卡内基梅隆大学团队完成，发表于《自然·通讯》。

预印本研究提出MOJO训练框架，将掩码自编码与监督学习结合，用于脉冲级神经数据解码。在猴子运动皮层、小鼠多脑区记录及人类语音皮层脑电数据上，MOJO均优于纯监督训练模型，尤其在标签受限的少样本微调场景中提升明显。该方法还改善了神经元表征的可解释性，为利用无标签数据训练神经基础模型提供了新路径。该研究于2026年7月15日上传至arXiv预印本平台，尚未经同行评审。

华盛顿大学团队用半慢性植入方案结合光遗传刺激与微型皮层脑电,在猕猴身上实现数周至数年尺度的因果连接稳定测量。

加州大学河滨分校提出理论框架,解释神经解码中为何中等时间整合尺度常常是信息表征的最优选择。

研究人员开发了一款32通道事件型生物信号模拟前端芯片，采用180纳米CMOS工艺制造，支持脉冲频率调制与自适应异步Delta调制双模式编码。该芯片能根据输入信号包络实时调整编码数据率，实现高数据压缩，为脑机接口中的神经信号无线传输与在线处理提供了新方案。

混合脑机接口研究面临脑电信号空间分辨率低、数据量小且涉及隐私、以及联邦学习中数据分布不均等挑战。一篇发表于《Computing and Informatics》的论文提出名为FSDFGL的联邦图学习框架，在构建图数据时将肌电信号融入脑电信号，并在联邦学习过程中仅共享结构信息，以避免异构特征共享导致的性能下降。在TAN数据集上的实验表明，该框架在识别复杂运动意图方面具有优势。

一项预印本研究提出一种基于事件的神经解码方法用于神经假肢运动控制。研究指出，现代假肢虽由深度神经网络驱动，但高延迟、高能耗与空间需求限制了其普及：有线连接限制患者活动，无线连接又限制可传输的信息量；脉冲神经网络虽支持压缩通信与低功耗推理，但任务性能常落后于最先进深度学习模型。该研究提出的事件型门控循环单元以分级脉冲生成稀疏通信模式，在任务性能上超过经典脉冲神经网络，并配合高效训练方法与稀疏推理，为设备端神经解码提供新机会，有助于在延迟、能耗与空间受限的情况下部署假肢控制。该研究为预印本，尚未经过同行评审。

一项预印本研究提出CNN-LSTM-RL两阶段解码框架，用强化学习对CNN-LSTM连续运动想象解码器的输出做残差运动学校正。RL智能体离线训练、不直接使用EEG输入，而是基于预测的运动学轨迹优化相对目标轨迹的运动准确度。研究者称，与单独使用CNN-LSTM相比，CNN-LSTM-RL将2D平均相关系数从0.5076提升到0.7181，VR场景从0.6420提升到0.7780，RMSE分别降低40.2%和38.2%。研究者认为，该框架通过离线残差强化学习校正运动学误差，无需额外神经数据即可增强3D脑机接口运动想象解码，对神经康复、假肢与虚拟交互有潜在价值。该研究为预印本，尚未经过同行评审。

多伦多大学团队用扩散模型不同时间步的隐表示作为神经语音解码的中间层,词错误率随时间步选择大幅变化。

诺瓦东南大学团队用颅内皮层脑电网络特征结合支持向量机与贝叶斯更新,构建实时连续的癫痫发作风险预测方法。

脑电研究发现，单侧下肢运动想象与运动执行会引发相似的偏侧化神经活动模式，证实上肢已知的偏侧化规律同样适用于下肢。

研究者结合脑电被动式脑机接口与眼动追踪，在动态VR游戏中实时解码用户的交互意图，在线闭环阶段准确率达69.64%。

该研究考察脑机接口电极暴露于强电磁环境时的潜在脑风险：对植入脑电极的大鼠施以核电磁脉冲（NEMP）照射，并通过多通道生理信号采集处理系统记录初级运动皮层（M1）的局部场电位，再利用MATLAB对不同照射强度下的局部场电位进行时频与功率谱分析。结果显示，200 kV/m的NEMP可抑制静息状态大鼠局部场电位的Alpha和Delta频段，且该效应与NEMP和电极之间的前门耦合有关，耦合电流刺激大鼠脑部并影响其意识状态。作者认为，该研究为脑机接口的电磁防护提供了新方向，属于BCI电极安全性的早期动物数据。

一项预印本研究展示了一种利用植入式神经接口长期监测胶质瘤进展的平台。在多种小鼠品系和胶质瘤模型中，肿瘤进展始终与肿瘤微环境的伽马频段神经活动升高相关；机器学习模型可根据慢性神经记录预测肿瘤负荷，并利用伽马神经轨迹预测个体肿瘤生长速率。该研究由Coherence Neuro Global, Inc.等机构的研究人员完成，于2026年7月9日上传至bioRxiv，尚未经过同行评审。

哈佛医学院研究人员发现，啮齿动物面部运动的光谱分析可以预测其大脑皮层活动和脑机接口任务表现，这一发现为开发更有效的神经假肢控制系统提供了新的生物学基础。该研究为预印本，尚未经过同行评审。

一项预印本研究展示，功能超声成像（fUSI）通过声学透明颅窗植入物，在一名受试者的初级感觉运动皮层内可靠解析多身体部位和单指运动的编码，映射结果与经典躯体定位一致，并能解析单次试验相关活动、支持单次试验解码与跨会话解码。对解码重要体素的分析提示不同布罗德曼分区对单指运动信息存在差异编码。研究者认为，fUSI能以亚毫米分辨率可靠描绘躯体定位组织的运动表征，在人体受试者中填补侵入性电生理与非侵入性血流成像之间的关键空白，为微创、高分辨率的脑机接口神经记录提供新方法。该研究为预印本，尚未经过同行评审。

一项预印本研究以Adaptive Thinking Mapper（ATM）模型为框架，实证评估EEG预处理策略（仅MVNN的基线管线对比整合ICA与陷波滤波的完整清洗管线）对视觉EEG解码中通道注意力表征的影响。研究通过跨泛化、噪声稳健性与谱时消融分析评估模型，并利用节点强度相关与表征相似性分析，考察数据驱动注意力权重与神经生理参考网络（GPDC、PDC、DTF）之间的结构对应。研究者称，完整预处理在保持相当解码精度与基线稳健性的同时，有效抑制了额部噪声等非神经伪迹；学习到的注意力空间组织跨管线保持稳定，仅在全球表征几何上存在细微的度量依赖差异。该研究为预印本，尚未经过同行评审。

研究团队让18名右利手参与者分别想象声音和画面，同时用脑磁图记录脑信号，再比较卷积神经网络与线性逻辑回归两种解码模型。卷积神经网络在两个任务上都高于随机水平，视觉想象的准确率超过70%。更值得注意的是，即使只用与当前任务无关的皮层区域训练，模型仍能显著解码，说明想象内容并非局限于单一感觉区，而是分布在有重叠的神经网络里。这为把听觉与视觉信息一起纳入脑机接口解码提供了实验依据。

杭州电子科技大学等机构作者参与的合作研究开发了一种三维螺旋可拉伸神经探针，并在猪脑皮层实现1024通道信号采集。研究还报告，螺旋探针在小鼠深部脑区记录到单神经元活动，并具有长期记录稳定性；柔性平面微电极阵列则记录到小鼠皮下肌电信号。探针先通过平面微加工制备，再经热驱动形成螺旋结构，以扩展电极布线空间并适应组织运动。力学仿真和循环拉伸测试分别考察了其应变缓解作用与电化学稳定性。这些结果来自器件测试和动物实验，不代表已验证人体长期使用效果。

一篇发表于《Computers in biology and medicine》的观点综述聚焦EEG跨会话、跨个体和跨记录条件的非平稳性问题，讨论如何借鉴大脑维持功能稳定的机制来提升脑机接口模型稳健性。文章梳理突触可塑性、稳态调节、神经振荡和脉冲表征等路径，并与传统机器学习和迁移学习方法进行比较。作者提出可将生物学机制与人工神经网络结合，同时给出生物启发、生物合理和生物真实建模的操作性定义，以及持续EEG基准的最低规范。综述也指出，多种机制在EEG场景中的直接证据仍然有限，因此应明确区分实证结论、研究假设与未来方向。

不开颅，能否从大脑活动里读出一个人正在打的句子？研究团队开发了名为Brain2Qwerty的深度学习模型，让35名健康志愿者在键盘上默写刚记住的句子，同时记录他们的脑磁图（MEG，一种测量大脑磁场的非侵入式技术）或脑电（EEG）信号。用脑磁图时，平均字符错误率为29%；用脑电时为65%。表现最好的受试者错误率低至18%，模型还能完整解码训练集之外的多种句子。研究者认为，这缩小了非侵入式与植入式方法之间的差距。