Journal of Neural Engineering

一位因肌萎缩侧索硬化症（ALS）导致严重上肢瘫痪的参与者，在同一场实验里同时戴上血管内支架电极阵列和头皮脑电帽，尝试做踝关节屈伸动作。两种方式在运动尝试时都出现了明显信号变化，但支架电极在每个通道上的运动调制更强，且不受颅骨衰减影响。头皮脑电更容易被眨眼和咀嚼肌活动干扰，支架电极则记录到明显的心电信号。两种方式都没能可靠区分左右踝运动，说明空间定位仍是难点。

在一台右侧旁矢状窦脑膜瘤切除手术中，4个Layer 7 μECoG阵列共4096个电极被放置在中央沟两侧，记录5种对侧刺激下的体感诱发电位。按2 MΩ阻抗标准，3739个通道可用，通道有效率91.3%；相位反转潜伏期分别为19、21、25、26和25毫秒，与同一台手术中标准术中定位结果一致。研究者指出，该配置提供的是密集空间采样，而非亚毫米级生理分辨率——实测响应在约3至4毫米皮层范围内相关。

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。

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」。

言语想象（SI）脑机接口的解码结果可能难以复现。一项全面评估发现，复现已发表研究的解码流程时，分类准确率平均比原始报告低11.25个百分点，差异范围在2%到39%之间；在复制分析中，仅36%的SI参与者达到统计显著性阈值，远低于运动想象（MI）数据集的91%。该研究由英国埃塞克斯大学团队完成，于2026年9月4日发表于《Journal of Neural Engineering》，是首个同时评估SI解码可重复性与可复现性的研究。结果显示，所有被评估的SI研究都存在方法学细节缺失，SI作为实用脑机接口范式的可行性可能被高估，这对依赖该范式的临床应用和后续研究具有警示意义。

西北工业大学研究团队提出面向脑电大模型的混合式分词器SEDAT，把挤压激励空间聚合、数据自适应高斯平均滤波分解、瞬时频率引导的自适应切分和傅里叶域重采样整合进一条流程，解决现有切分方法边界与神经状态不对齐、忽略通道间空间信息、难以跨范式通用的问题。该研究2026年9月1日发表于《Journal of Neural Engineering》。在覆盖运动想象、P300、睡眠分期和癫痫等范式的10个脑电数据集上，用LaBraM、EEGFormer、EEGPT和NeuroGPT这4个大模型评估，SEDAT相比固定长度窗口的分类准确率最多提高15.3%，比其他方法中最好的一个高1.2%至4.6%。

脑机接口（BCI）分类器通常需要针对每位用户校准，限制了实际应用。美国科罗拉多大学博尔德分校的研究人员提出一种名为ERP-XTTN的跨注意力架构，在无需校准的条件下实现跨被试的事件相关电位（ERP）分类。在三个公开数据集、八种ERP成分的评估中，三通道设置下其平均AUROC与最佳基线仅差0.025。该研究发表于《Journal of Neural Engineering》。

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。

2025年BCI学会会议与植入式BCI协作社区合作举办研讨会，讨论脑机接口关键试验中临床结局评估的选择、开发与验证。与会者强调患者异质性、缺乏广泛验证的COA，以及需要在家庭和日常环境中捕捉有意义结局等挑战。研讨会为iBCI-CC临床研究终点工作组建立透明流程奠定基础，旨在确定适合特定技术的健康意义方面和关注概念，并促进监管批准与医保覆盖。

手写想象脑电为脑机接口提供了一条无创的文本输入与复杂意图表达路径，但解码受低信噪比、非平稳性、跨会话分布漂移以及连续时间趋势与局部高响应模式并存等挑战制约。新网络DRDNet用平均池化与最大池化从空间脑电特征构造两个互补的时间视图，分别交给双向Mamba编码器与Transformer编码器建模，再经时间步级动态融合与长短期记忆时序聚合自适应整合。在公共手写想象脑电数据集的汉字笔画手写想象与拼音单韵母手写想象两个任务上，它平均准确率分别做到67.74%和62.51%，Cohen's kappa分别为0.5968和0.5502，优于7个代表性脑电解码基线。该研究2026年8月19日发表于《Journal of Neural Engineering》。

该研究2026年8月13日发表于《Journal of neural engineering》，首次刻画了小脑邻近区域血管内电刺激所诱发皮层诱发电位的强度时程特性。研究者指出，植入手术的创伤限制了临床推广；血管内神经接口经由脑血管到达颅内靶点，提供了另一条路径。研究者将一种聚合物基支架电极阵列送入绵羊模型的左侧横窦，通过支架电极向小脑方向发放双相电流脉冲，并用硬膜下皮层脑电网格记录皮层反应。血管内刺激可稳定诱发时间锁定的皮层电位，早期与晚期成分分别出现在刺激后约40毫秒和100毫秒。强度时程分析给出了基强度与时值，为参数选择以及与已有颅内刺激方式的比较提供了定量依据。

该研究2026年8月7日发表于《Journal of Neural Engineering》，分析了四名受试者的皮层脑电记录，考察大脑半球内侧壁区域对手指运动解码的贡献。结果显示，多个内侧壁亚区观察到显著高于随机水平的手指运动检测，局部运动电位与8至12赫兹、12至34赫兹频带振荡功率对解码性能贡献最强。特征动态与初级运动皮层具有共同特性，包括运动前去同步化，也表现出区域特异的正负局部运动电位调制。尽管运动检测是主要结果，两名受试者的内侧壁通道能显著区分单个手指，一名受试者对侧与同侧手指运动均可解码，但该观察基于个案，属初步结果，需要进一步研究确认跨个体普适性。

该研究提出BiGSTF-Net多模态架构，利用EEG与功能性近红外光谱（fNIRS）的互补特性提升认知状态解码：先用异构时空特征提取器分别捕捉两种模态的时序与空间表征，再通过模态残差交互单元实现双向跨模态引导，最后由时空门控单元完成模态内特征整合，生成紧凑且具判别性的表征。在多个BCI数据集的跨会话评估中，BiGSTF-Net持续优于代表性多模态融合基线；消融实验验证了各架构组件的有效性，可视化分析显示其激活模式与EEG和fNIRS信号的已知神经生理特征一致。该工作属于多模态神经信号解码的基础方法研究。

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。

该研究提出一种基于两层图卷积网络（GCN）的空间谐波化框架，将异构EEG记录映射到统一物理电极布局并保留运动想象信息，以解决MI-BCI数据集间电极配置差异对迁移学习的限制。研究将每个EEG试验建模为图，以GCN捕捉电极与样本间的时空关系，并通过时域、频域与空间域分析及EEGNet、FBCNet与ADFCNN下游分类评估。结果显示谐波化EEG的误差低于球面样条插值，且保留运动想象EEG的主要时谱空特征；在数据集A的会话内分类中，结合真实与谐波化EEG使EEGNet准确率从56.57%提升到66.20%、FBCNet从61.96%提升到72.54%，并支持仅源域跨数据集迁移与目标域微调。