文献

癫痫预测算法在实验室里成绩亮眼，换到连续实时的场景却明显失灵。研究团队用16名药物难治性癫痫患者共664.9小时的颅内脑电数据测试后发现，同一套方法的平均AUROC（衡量预测准确度的指标）从离线测试的90%降到在线的57.9%。原因是患者的脑信号会随时间缓慢变化。团队改用在线进化框架，在连续数据流中不断筛选和更新模型，在75%的患者中提前预测了全部发作，在87.5%的患者中只漏掉一次。只读取致痫网络的电极触点时，所需触点减少79.12%。团队同时公开了这套数据集。该研究为预印本，尚未经同行评审。

脑机接口模型要练得准，靠的是大规模、多样化的脑电数据，但这类数据往往锁在各家医院和实验室里，格式不一，又受隐私法规限制，很难拿出来共享。TrustBCI把三件事放进同一个平台：把原始脑机接口数据集整理成可流通的资产、用激励机制让机构愿意持续贡献数据、再让使用方在不接触原始记录的情况下完成计算。平台演示了两条路径，即可控数据合成和隐私保护查询。前者生成新的数据集，后者只返回查询结果。这意味着跨机构联合训练脑机接口模型，可能不必先把数据集中到一处。

这篇综述梳理了P300脑机接口从经典拼写器到AI代理的演进路径。P300是大脑看到罕见刺激后约300毫秒出现的正向电位，系统靠它判断用户想选哪个字符。综述指出，ChatBCI、MindChat等近期系统把P300拼写器与大语言模型结合，击键次数减少超过62%，通信速度提高到近三倍。作者还提出一套端到端架构：脑电头戴设备加实时CNN检测器，再加一层由大语言模型规划器和物联网控制接口组成的AI代理层。

非侵入式脑机接口的电极长期在导电性、贴合度和耐用性之间取舍。一种通过原位定向冷冻共聚制备的导电水凝胶，内部形成垂直排列的离子通道与互连纳米孔网络，导电性优于常规水凝胶电极。在初步的P300与稳态视觉诱发电位（SSVEP）实验中，这种电极采集到的信号质量与常规湿电极和干电极基准相当，同时具备与组织匹配的压缩模量、高延展性、皮肤黏附性和快速自愈合能力。论文把上述实验定位为可行性验证，未报告长期佩戴稳定性、规模化制备或人体临床试验数据。

训练一个能读懂大脑信号的解码器，通常要为每一位新受试者重新采集大量带标注的数据，这既费时，对患者也是负担。这项研究提出的MAPA方法先用跨受试者累积的未标注颅内脑电记录做自监督预训练，再迁移到新受试者身上。难点在于颅内脑电的电极触点位置和神经解剖结构因人而异，MAPA在常规掩码自编码器上加了两种空间编码：解剖区域嵌入和相对位置编码。在跨受试者测试中，只需约164次带标注的试验就能达到原本需要3500次才能达到的准确率。研究团队称，MAPA在Neuroprobe基准的会话内、跨会话和跨受试者三种模式下都刷新了最好成绩，且无需微调。这意味着未来植入式脑机接口的校准过程可能大幅缩短。

手指在大脑运动皮层里的代表区挨得很近，从头皮脑电里分辨单根手指的动作一直很难。研究团队先用同步采集的脑电与功能核磁数据学出一套频谱投影，再用核磁给出的类别几何结构去修正脑电预测。12名健康受试者的测试中，两分类动作执行的组平均准确率从66.93%升到74.53%，三分类从44.83%升到56.58%；运动想象任务上两分类从80.78%升到85.63%。推理阶段只用脑电，不需要配对的核磁数据。

研究者让乘客在高度自动化车辆中观看驾驶场景，同时记录脑电信号，训练模型判断前方是否存在风险以及危险出现在哪里。3D-CRNN在风险预测任务上达到95.3%±2.7%的平衡准确率，危险识别从80.9%提升到85.0%；跨被试测试中，模型对未见过乘客的平衡准确率降至64.9%±8.5%，说明离实际部署仍有距离。

研究团队设计并实现了一套基于脑电运动想象的脑机接口系统，把解码器与一台真实差速驱动轮椅原型机接在一起。这类系统面向严重运动功能障碍人群，提供非侵入式的控制途径，但脑电解码本身的不确定性一直是它走向实体执行机构的障碍。团队用滤波器组共空间模式提取特征，在公开数据集上比较支持向量机、k近邻和线性判别分析三种分类器，支持向量机的平均分类准确率为90.7%；换到独立数据集上通过硬件在环方式回放测试，准确率为85.9%。加入基于置信度的指令校验后，被系统接受的指令准确率升到97.6%，代价是只覆盖60.7%的指令。系统还配了置信度门控、转向自终止、切换制动、通信超时监控和硬件急停等多层安全措施，用来兜住解码出错时的后果。

P300脑机接口拼写器常被设计成把多个各自有效的组件全部打开，默认组件越多性能越好。一项预印本研究用四组件全因子试验检验了这个假设：组件的价值是有条件的，而不是可叠加的。受试者校准是最强的单一贡献者；欧几里得对齐能在零校准设置下弥补校准的缺失；把各自有用的组件叠加起来反而可能拉低性能，作者称之为组件反协同。语言模型的支持也并非普遍有益，其效果强烈依赖底层脑电流水线的强度。

在经颅交流电刺激（tACS）开启的同时做运动想象脑机接口，刺激产生的伪迹会盖住脑电节律，让解码掉到接近瞎猜的水平。14名健康参与者的对照测试显示，把空谱分解与波束成形组合起来的实时空间滤波流水线，在刺激期间把准确率保持在76 ± 9%，而标准拉普拉斯滤波只有58 ± 9%。这意味着闭环的「边刺激边读脑」在信号层面已经可行，但能否真正提升脑机接口表现、或带来神经可塑性变化，论文明确留给了后续研究。

10名母语为汉语的受试者朗读6个单元音韵母，同一套任务下同时记录光泵磁强计脑磁图与脑电。在刺激后150至500毫秒窗口内，OPM-MEG在全部5种分类器上的解码准确率都显著高于脑电。表现最好的组合是共空间模式（CSP）特征加线性支持向量机，OPM-MEG平均准确率60.3%，脑电56.7%。这意味着无需植入电极、也不限制头部活动的语音脑机接口，可能有一条比脑电更清晰的信号通路。

研究提出为视网膜假体PRIMA的金柱状电极侧壁添加二氧化钛或铂涂层，同时保护周围器件区域。该方法结合光刻与电沉积，旨在解决裸露金侧壁与视网膜组织接触的问题，并保留植入物周围区域的功能。作者报告，体内研究中两种涂层均表现出生物相容性，并防止了视网膜组织对金的不良反应。相比铂，二氧化钛的比电容更低，作者认为这有助于限制侧壁电流，使电荷主要从柱顶注入。这些结果涉及电极材料与界面设计，不等同于已证实新涂层能改善患者视力。

运动想象脑机接口的个体差异大，校准数据少，联邦学习能在不上传原始脑电的前提下共享模型。这个框架把网关同步当作学习与通信的联合控制问题：原始脑电和分类头留在本地，边缘协调器维护共享骨干网络。在BCICIV-2a和OpenBMI两个数据集上，通信感知协调把服务器到客户端的骨干网流量减少约42%，队列平均准确率差异很小且随实现而变。但平均值掩盖了个体脆弱性，BCICIV-2a上相对理想链路参考的损失最高约12个百分点。

用脑机接口控制虚拟化身时，参与者报告：想象自己在慢跑，比想象右手张开更能产生“这个身体是我的”的感觉。但脑电信号本身，慢跑想象反而更弱。实验中，行进由头皮脑电中与运动想象相关的运动感觉节律事件相关去同步控制，方向由眼动控制，参与者在弯曲赛道上操纵一个以慢跑姿态前进的虚拟化身，随后用问卷评估对化身的具身感。研究团队认为，这提示脑机接口不能只看信号强度，还要看动作与想象是否一致：神经信号强度与具身体验可能出现分离，想象与动作的一致性应当与常规解码指标一并考虑。

美国加州大学旧金山分校（UCSF）的研究人员让两名帕金森病患者在家通过玩飞机模拟游戏进行脑机接口（BCI）训练，学会下调大脑皮层beta信号，进而自主控制脑深部刺激（DBS）的强度。相关研究作为预印本于2026年8月17日上传至medRxiv平台。UCSF是一所世界知名的公立研究型大学，其医学院在神经科学领域享有盛誉。该研究展示了脑机接口在神经调控领域的应用潜力，为帕金森病等疾病的个性化治疗提供了新思路。但作为预印本，结论尚待同行评审。

研究团队把脑机接口的攻击面拆成五个方向：伪造神经信号、靠去同步规避检测、重放劫持、窃听（Vein Tapping）和嵌入式后门。他们用自建的EEGle框架跑出17个新的神经特异性攻击实例，并发现后门设计存在一条隐蔽性与有效性的取舍曲线。研究还指出，生成式AI正在拉低非专业攻击者的门槛。该研究为预印本，尚未经同行评审，作者为Zahra Tarkhani、Georgios Akkogiounoglou、Lorena Qendro、Isabel Tscherniak和Anil Madhavapeddy。论文把这一攻击类别命名为NERVE Attacks，称五个维度相互正交，合起来覆盖完整的脑机接口技术栈。团队将EEGle提供给社区，用于构建和验证这类设备的安防能力，并把风险概括为认知自主权、心理隐私和人身安全三点，具体情形包括神经数据外泄，以及脑机接口所连接的外部设备被恶意控制。

看视频时，人眼盯着一个点不动，大脑仍会追踪画面里运动的物体，注意力越集中，这种追踪越强。但鲁汶大学团队发现，物体离注视点越远，脑电信号对运动的追踪就越弱。这意味着以往靠追踪强度判断注意力的解码方法，可能把「物体在哪儿」误当成「注意力在哪儿」。

严重运动障碍患者能否绕过受损的神经通路，用“想”来操控机械臂？这篇综述沿着信号链条梳理了整个过程：先从大脑运动皮层采集神经信号，再经过预处理、特征提取和神经解码，最后生成机械臂能执行的连续、离散或多自由度指令。作者比较了侵入式、非侵入式和血管内三类脑机接口在信号采集上的特点，认为信号质量、解码算法和共享控制策略三者协同优化，是让机械臂操作更自然、更可靠的关键。作者同时指出，长期稳定性、控制精度和临床安全性目前仍受限。

人在深睡时，大脑会周期性出现名为“睡眠纺锤波”的短促脑电节律，它被认为与记忆巩固有关。研究人员实时监测受试者的脑电，在纺锤波出现的瞬间用经颅磁刺激（TMS）刺激运动皮层。结果显示，从清醒进入无纺锤波的N2/N3睡眠后，皮层脊髓兴奋性明显下降，纺锤波期间又进一步降低。不过，反映局部GABA-A受体抑制的指标并没有随之变化，与研究者原先的假设相反。该研究为预印本，尚未经同行评审。

脑机接口要实用，信息传输率（ITR）是关键指标。中国医学科学院北京协和医学院团队提出一种结合表面肌电（sEMG）与稳态视觉诱发电位（SSVEP）的混合脑机接口系统，用120个闪烁频率和4种手势编码480个目标。在线实验中，平均分类准确率达84.55 ± 7.23%，平均信息传输率达260.07 ± 30.41比特/分钟。该系统指令集大小与现有最大目标数系统相当，性能位居前列，为大指令集脑机接口的实现提供了技术参考。研究由生物医学工程研究所团队完成，发表于2026年9月7日的《Cognitive Neurodynamics》。

一项新研究提出了一种紧凑的混合深度学习模型，用于四类运动想象脑电信号的分类。该模型结合了空间卷积滤波、双向时序建模和注意力机制，在BCI Competition IV Dataset 2a数据集上取得了83.89%的平均准确率，优于传统基线方法。研究者认为，双向时序建模和注意力加权能提升脑电运动想象分类的稳健性，有助于脑机接口在运动障碍患者辅助中的应用。该模型采用端到端框架，在公开数据集上验证了其有效性，为资源受限场景下的脑机接口信号解码提供了高效方案。

植入式脑机接口要从实验室样机走向长期临床系统，就得在几毫米到几厘米深的脑组织里塞进数千到数百万根电极，同时不把组织加热超过1摄氏度。该综述把感应、中场、射频、超声、磁电、光学、超宽带和电准静态等无线链路放在深度、尺寸、数据率三个临床坐标上比较。作者指出，几乎所有临床相关植入体都工作在弱耦合状态，耦合系数只有10的负3次方到10的负1次方。结论是：在约10毫瓦的通信预算下，窄带高Q链路适合供电和低速数据，但每比特1到10纳焦耳的能效撑不起千通道以上接口所需的10兆比特每秒到数十吉比特每秒上行速率。该研究为预印本，尚未经同行评审。

研究人员训练了一种Transformer神经网络。这类模型能综合多个脑区的信号，研究中用它分析颅内微电极记录的单个神经元放电。模型训练所用的数据，只来自受试者观看一次视听片段时的记录，且为每名受试者单独训练；之后受试者自由回忆，模型能预测他们会说出哪些具体的人物或地点。研究还发现，负责解码的脑区在睡眠前后会转移，睡前主要靠内侧颞叶，睡后主要靠额叶皮层，且额叶皮层解码效果越好，对应的非快速眼动睡眠越多。研究人员认为，这类解码未来可能用于开发治疗情景记忆障碍的脑机接口。该研究为预印本，尚未经同行评审。

脑机接口把脑电信号翻译成指令时，系统自己能不能知道“这次判断有没有把握”？研究人员在回声状态网络（一种借鉴神经系统、擅长处理时间序列的计算模型）中加入了一个专门输出决策置信度的读出神经元，让置信度随着决策形成持续更新。在模拟决策任务中，刺激越强、越容易区分，置信度活动越高；在基于脑电的运动想象分类中，置信度活动随决策准确率升高，并能区分正确与错误的判断，在表现较好的受试者身上尤其明显。该研究为预印本，尚未经同行评审。

瘫痪患者常伴有视力问题，眼睛看不清，还能用“注意力”操控脑机接口吗？研究人员让健康受试者在模拟视力模糊和单眼视物的条件下操作脑机接口。受试者眼睛不动，只把注意力转向视野边缘带颜色的目标。结果显示，视力下降确实改变了大脑对视觉刺激的电反应，部分反应幅度变小，但系统从脑信号中判断用户意图的准确率没有受到影响。这说明只要还能分辨目标的颜色，视力受损者也可能可靠地使用这类不依赖眼动的非侵入式脑机接口进行交流。该研究为预印本，尚未经同行评审。

一项针对越南语使用者的脑机接口拼写器试点研究显示，2名受试者借助运动想象脑电信号，平均每分钟可分别输入4.95个和3.45个越南语字符。该系统名为BCI-vSpeller，包含专为越南语设计的虚拟键盘，拥有超过160个可选按键，涵盖字符、声调符号和特殊符号。研究团队来自越南国立大学所属工程技术大学，相关成果发表于《Technology and Disability》期刊。脑机接口拼写器允许用户通过心理信号控制界面来输入文本，对于严重言语和行动障碍者尤为有益。该研究是脑机接口应用发展的一步，有望改善越南语使用者的沟通可及性。

一项伞形综述汇总了17项关于脑机接口（BCI）系统用于卒中后运动恢复的荟萃分析，发现运动尝试，即患者试图移动瘫痪肢体，是最能稳定带来治疗效果的意图诱发方式，而电刺激作为反馈手段效果一致，机器人辅助和视觉反馈的效果则参差不齐。综述还提示，每周更高频次的训练和每次约20至60分钟的中等时长训练与一致的恢复效果相关。作者建议，将运动尝试与电刺激结合可能获得更大疗效。该综述由韩国仁川国立大学的研究团队完成，于2026年9月4日发表在《Symmetry》期刊上，检索截至2026年6月30日。研究团队隶属于该校运动科学系及神经力学康复研究实验室，长期从事运动科学与康复研究。