文献

一项概念验证研究显示，基于脑电图（EEG）的非侵入式脑机接口方法可区分1型糖尿病患者的低血糖与非低血糖状态。在数据受限条件下，二次判别分析分类器达到96.2%的准确率，且低血糖状态伴随特征性的delta和beta波段改变。该方法有望为低血糖早期预警提供无创、可实时运行的检测途径。

随着全球人口老龄化，脑机接口（BCI）被视为老年护理中恢复沟通、运动功能与认知支持的重要技术路径，但其伴随的伦理与沟通挑战尚未被充分理解。一项发表于《Frontiers in Digital Health》的系统综述从12,423条记录中筛选出177项研究，识别出六大核心伦理主题：隐私与数据安全、知情同意与自主权、人格与身份、技术风险与安全、公平性与可及性、以及风险-收益权衡。综述提出，BCI的伦理风险并非边缘问题，而是内嵌于技术交互逻辑之中。解码不确定性可能转化为护理误判，神经数据的可推断性将隐私风险扩展至心理暴露与权力不对称，技术介导的沟通则引发信任与责任的紧张关系。研究建议，负责任的BCI部署需将伦理原则系统性地融入护理流程。

非侵入式脑机接口干预能显著改善卒中后上肢运动功能与日常生活能力，其中脑机接口-运动想象-经皮电针刺激组合在改善运动功能方面排名最高。这项系统综述与网状Meta分析汇总了72项随机对照试验、2906名卒中患者，评估12种非侵入式脑机接口干预措施，于2026年8月28日发表于《Journal of Medical Internet Research》。研究按实验范式、反馈设备和辅助刺激细分干预类型，为临床选择提供了相对排名，但证据质量低至中等，结论仍属探索性，需高质量试验验证。

扩展现实（XR）环境下的视觉刺激会降低脑电信号质量，但一项新研究显示，深度学习模型仍能保持较高的分类准确率。意大利那不勒斯费德里科二世大学的研究团队评估了SSVEP-TFFNet模型在XR条件下对稳态视觉诱发电位（SSVEP）的分类性能，并与传统方法滤波器组典型相关分析（FBCCA）进行了比较。研究使用了包含30名受试者、1200次试验的开放XR基准数据集，数据通过微软HoloLens 2采集。结果显示，SSVEP-TFFNet在XR条件下优于FBCCA，且将电极从8通道减少至6通道或4通道时，性能仍接近全通道配置。该研究为轻量化、可穿戴的XR脑机接口实现提供了证据。

日本千叶大学团队提出一种名为扩散逆滤波（DIF）的信号处理方法，用于抵消脑电图（EEG）中因容积传导引起的空间平滑效应，从而增强基于功能连接的脑机接口（BCI）模式识别能力。研究以情绪识别为任务，发现DIF在电极稀疏化条件下通常能提升识别性能，且与现有BCI处理流程兼容。该研究于2026年8月27日发表于《Brain Sciences》期刊。

一项针对慢性脊髓损伤参与者的个案研究发现，在扩展现实脑机接口（XR-BCI）使用中，体现感与额叶theta活动正相关，而模拟器晕动与感觉运动beta活动负相关。研究分析了17次XR-BCI会话，采用贝叶斯相关分析和多元线性回归，发现模拟器晕动是唯一与感觉运动beta活动独立相关的变量，且结果稳健。这表明XR-BCI操作中不同维度的主观体验对应部分不同的神经生理关联，为未来通过脑电实时监测用户主观体验、优化BCI训练与交互设计提供了基础。该研究由葡萄牙阿尔科伊唐健康高等学院、阿威罗大学和葡萄牙天主教大学的研究人员完成，于2026年8月27日发表于《Life》期刊。

加州大学伯克利分校Muller实验室的研究人员在《IEEE生物医学电路与系统汇刊》发表论文，描述了一种名为DustNet的无线超声神经植入物网络。该网络由多个微型超声植入体组成，通过无线方式实现神经信号的采集与传输，为侵入式脑机接口提供了一种新的技术路径。论文于2026年8月27日由实验室网站公布。Muller实验室专注于神经接口与集成系统设计，DustNet是其继MRDust之后在超声神经接口领域的又一进展。

脑机接口设备之间的无线通信需要既安全又低延迟，而量子计算机的威胁让传统加密面临风险。一项新研究提出PQ-NeuroLink框架，在模拟最严苛的蓝牙低功耗单跳条件下，采用混合后量子加密模式比不加密基线仅增加0.45毫秒的延迟，同时保持99.0%的数据包投递率。该框架将身份认证与数据流加密分离，为下一代分布式脑机接口提供了可复现的安全通信基础。研究由阿联酋大学的团队完成，发表于2026年8月26日的《Frontiers in Systems Neuroscience》。

在模拟多级管制任务的跨受试者评估中，动态微状态引导的图卷积网络（DMG-GCN）实现80.30%的平均准确率和78.63%的平均F1分数。该模型由南京航空航天大学等机构的研究者提出，用于解码空中交通管制员的脑电认知负荷。它通过动态选择性核时间卷积模块提取多尺度时频特征，微状态引导的动态图模块构建随时间演化的邻接矩阵以分离拓扑子网络，随后由时空图卷积模块聚合表征，时间自注意力机制聚焦任务关键转换时刻。探索性分析显示，提取的拓扑子网络空间模式与特定脑网络重组一致，涵盖从全局分布式监测到时间多模态整合及顶枕区并行处理。相关成果2026年8月26日发表于《Biosensors》。

一项范围综述发现，无线脑电图设备在发育障碍儿童研究中的应用呈上升趋势，其中脑机接口技术占纳入研究的28.1%。综述纳入64项研究、3103名参与者，显示脑机接口研究偏好低通道、干电极、消费级设备，而生物标志物驱动的研究则使用更高通道数和信号保真度。但数据质量报告严重不足：85.9%的研究未报告与有线脑电图的验证对比，79.7%未说明阻抗阈值。该综述由韩国延世大学和加拿大多伦多大学的研究团队完成，于2026年8月25日发表在《Journal of Medical Internet Research》上，是首篇系统梳理无线脑电图在多种发育障碍儿童中应用的综述，揭示了该领域标准化缺失的现状。

Arctop发布了一篇论文配套文章，介绍其“基于脑反馈的强化学习（RLbF）”框架。该框架利用实时脑电测量，解码出工作负荷、压力等认知状态，作为奖励信号来训练大语言模型。文章称，这一方法能让模型在对话中感知听者的认知状态，并实时调整表达方式，从而改善沟通效果。目前，该框架已在其应用“Isaac”中部署，但仅使用单一维度（认知负荷）进行自适应。与传统RLHF依赖事后主观反馈不同，RLbF利用脑电信号提供连续、非自愿的反馈，使模型能实时感知话语对听者大脑的影响。这一方法首次将脑信号用于语言模型训练，但尚处于早期部署阶段，仅支持单一维度，且具体技术细节未完全公开。

脑脊接口试图在损伤平面以下重建皮层运动意图信号与脊髓感觉运动环路之间的通信，是脊髓损伤治疗中最受关注的方向之一。一篇发表于《Neurosurgical Review》的综述给出了克制的评价：早期临床前研究和高度选择的临床研究确实显示出令人鼓舞的运动结果，但证据仍属初步，走向常规临床使用还受安全性、耐久性、患者选择、可及性以及长期功能获益等一系列问题的限制。综述同时梳理了神经刺激与生物材料等路径，指出它们在实验与早期转化阶段显示出潜力，临床疗效和可推广性尚未充分确立；把脑脊接口纳入临床实践还面临技术挑战、伦理考量和医护专门培训的需求。

一项覆盖10所高校800名学生的调查显示，教师支持是预测中国大学生使用脑机接口意愿的最强因素（β=0.337），而经典技术接受模型中最重要的绩效期望在这里不显著（β=0.059）。模型解释了行为意向62.6%的方差。更值得注意的是量化与访谈结果的反差：神经伦理担忧在结构方程中不显著（系数为0.044且为负），但40名受访学生中有28人把隐私焦虑列为首要顾虑；作者指出，该变量与使用意愿的零阶相关其实是正的（r=0.24），说明担忧在采纳前阶段反映的是投入而非抗拒。该研究2026年8月21日发表于《Frontiers in Human Neuroscience》。