脑电

便携脑电设备通道少，能捕捉的皮层信息有限，情绪解码一直是难点。厦门理工学院团队提出时空频谱非对称融合网络（STSANet），利用额颞区同源电极之间的非线性半球偏侧化特征，在SEED公开数据集和自采数据集上分别达到86.80%和87.43%的情绪识别准确率。研究还验证了便携式Xmuse设备与专业级Enobio设备的频谱能量分布具有一致性，表明该方法有望在消费级脑电硬件上运行。该研究为预印本，尚未经同行评审。

这项研究让90名学习者分成两组，一组用脑机接口实时读取注意力、认知负荷和精神疲劳，据此调整教学内容和节奏；另一组按传统在线课程学习。实验组在持续参与度和知识保留上表现更好。研究采用混合方法，定量数据包括前后测成绩、任务完成率和神经活动指标，定性数据来自问卷调查和半结构化访谈，用于衡量学习者感知到的参与度、可用性和整体学习体验。90名参与者分别来自English House Language Center、亚美尼亚欧洲大学和Mesrop Mashtots大学。研究者同时提出，在教育场景采集和使用神经数据，隐私、伦理与可及性问题尚未解决。

新加坡竹脚妇幼医院登记了一项脑机接口神经反馈训练（BCI-NFT）临床试验，面向7至21岁获得性脑损伤儿童和青少年，覆盖脑外伤、卒中、脑炎、脑肿瘤和癫痫等病因。干预组将在10周内完成12次训练，每次约60分钟，佩戴无线脑电头带与神经反馈电脑游戏互动；对照组先接受标准照护再交叉进入训练。研究同时纳入一组无脑损伤史的同龄人，提供正常脑电数据作对照。试验计划入组70人，主要终点预计2028年2月读出。

颅内脑电信号来自植入大脑内部的电极，一直被看作解码人的意图的理想信号来源，但各家数据集和预处理方式不同，模型到底有没有变好很难说清。研究团队把三家机构的自然观影数据、15项解码任务、统一的预处理流程和固定的评估划分放进同一个基准，结果发现：预训练系统在自己那套预处理流程里通常能赢过基线，可换到别的机构数据上，传统频谱基线的表现依然有竞争力。更值得注意的是，把其他受试者或其他机构的数据增加到25倍，相比只用同一场次数据训练，提升依然有限，甚至要看具体任务。

可穿戴神经技术与脑机接口应用，包括辅助交互界面和临床监测，都希望用上单通道脑电，因为电极少、佩戴负担轻。但单通道脑电信号中的肌电、眼电和运动伪迹难以去除，尤其在缺少辅助通道、伪迹标签或人工挑选的干净基线片段时。SPAR-EEG框架无需这些额外条件，对每个脑电分段施加三段针对特定伪迹的衰减处理：基于变分模态分解的一段处理高频肌电爆发，基于奇异谱分析的两段分别处理眨眼样眼电瞬变和缓慢运动漂移。它在26个信噪比水平上均取得最优伪迹区信噪比改善，并在仅用FP1和FP2两个导联的P300拼写任务中把最终准确率提高7.8个百分点。

让受试者在跑步机上走路，和让他背着记录设备在户外自由行走，都可以叫移动脑电，但两者的自由度差得很远。2017年提出的 CoME 框架用设备移动性、受试者移动性、系统规格和通道数四个维度给一项研究打分，比如（2D, 4P, 17S, 32C）。设备移动性和受试者移动性必须分开看：头戴式系统做静息态记录，设备分很高，受试者移动性仍是0P。这个框架不是产品排行榜，分数高不等于系统更好。

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。

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。

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。

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。

Pascall Systems, Inc. 于 2026 年 8 月 19 日获得美国食品药品监督管理局（FDA）对其 Pascall Sensor Unit (PSU1) 的 510(k) 许可，决定为实质等同。该设备被归类为 II 类医疗器械，监管编号为 882.1400，分类名称为非归一化定量脑电图软件。

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」。

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》。

中风后约七到八成患者因身体功能障碍无法独立生活，步行功能恢复是回归独立生活的关键目标。这项研究计划招募200名卒中患者和200名健康对照，同步采集脑电、近红外、肌电、功能性磁共振等多模态中枢与外周生理信号，并配合面部动作单元、Berg平衡量表、Fugl-Meyer运动功能等临床评估，目的是搭起一套可用于卒中康复研究的非侵入式脑机接口数据集。研究为横断面观察设计，不设干预，首例入组定在2026年10月1日。

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。

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。

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。

研究者在5名接受颈内动脉异戊巴比妥注射试验的患者身上，同步记录了血管内脑电与头皮脑电，量化了这种介入式记录方式在人体上的信号特性。作者称，血管内脑电被视为在信号保真度与侵入性之间取得平衡的脑监测手段，动物实验中其带宽与信噪比可与硬膜下记录相当，但人体上的信号特性此前少有量化。全部信号经伪迹剔除与独立成分分析预处理，再以功率谱密度、虚部相干、锁相值和幅度包络相关四项指标评估信号质量与功能连接。结果显示，血管内脑电的功率约为同期头皮脑电的3.7倍；距离最近的血管内电极与头皮电极配对在所有受试者中耦合度都更高，平均差异为4.9个百分点，个体间范围为1.8%至7.6%，在间距小于30毫米时最为明显。

语音脑机接口（speech BCI）将神经活动转化为语言，有望帮助瘫痪患者恢复沟通。然而，由于不同系统使用不同的数据集、记录方法、语音类型和词汇表，其报告的准确率等指标难以直接比较。研究人员提出开放词汇互信息（OVMI），一种信息论度量，用于在统一尺度上评估不同系统的通信能力。研究表明，仅基于系统支持词汇计算的准确率等常规指标可能高估系统传达用户意图语音的能力。通过选择最大化OVMI的词汇，在3个语音领域中实现了最高16.3%的相对准确率提升。该研究以预印本形式发布于arXiv，尚未经过同行评审。

一项预印本研究提出，通过逐层对比学习选择CLIP模型的中间层作为神经可见性最优层（NVOL），可改善脑电（EEG）信号与图像语义特征之间的跨模态对齐。在THINGS-EEG数据集上，基于NVOL的200-way图像检索平均Top-1准确率达78.1%，结合CSLS后升至86.4%。该框架还把检索与生成耦合，利用条件扩散先验重建受试者特异的NVOL特征，再映射至CLIP空间驱动Stable Diffusion XL生成图像，在语义与结构指标上优于单阶段末层扩散。该研究2026年9月2日上传至arXiv，尚未经同行评审。

一项预印本研究显示，从脑电图（EEG）提取的空间协方差特征能在操作员做出反应前预判其决策是否正确，且该信号在高认知负荷下有效。在虚拟现实目标检测任务中，23名参与者分别在高、低负荷条件下操作。当团队规模从2人增至16人时，利用该神经信号对投票加权，使争议试验的准确率从57%提升至88%；但在低负荷下反而有害。研究指出，基于EEG的决策可靠性信号并非通用的团队增强工具，而是依赖于工作负荷的条件性信号，这对协作脑机接口系统在实际团队中的部署时机与方式具有参考意义。该预印本上传至arXiv，尚未经过同行评审。

研究者提出一套基于脑电的统一框架，同时完成运动想象分类、偏瘫侧检测与功能恢复预测三项任务，面向卒中患者的运动功能康复。作者称，卒中是全球长期运动残疾的主要成因之一，基于运动想象的脑机接口被视为加快康复的手段，但现有方法存在几处短板，包括患者间差异导致泛化能力不足、缺乏有效的功能评估环节、患者数据可得性有限且缺少适配的数据增强办法。该框架引入针对脑电时空特征设计的扩散模型，采用解耦的神经网络架构，配合旋转空间编码与自回归时间融合；为缓解数据稀缺，研究者另设计了两种针对卒中患者脑电特点的增强策略。作者称，多项运动想象脑机接口任务上的实验显示该方法性能与泛化能力占优，支持其用于个体化卒中康复的潜力。

德国脑电设备商ANT Neuro于2026年9月1日宣布与瑞士fNIRS系统开发商optohive AG建立战略合作。据ANT Neuro公告，optohive的HiveOne功能近红外光谱系统将通过ANT Neuro在各地区的销售与技术支持团队提供给其服务近30年的科研用户。合作不止于分销，双方同意联合开发一套脑电与fNIRS联合记录方案，把ANT Neuro的eego脑电技术与HiveOne装进同一顶混合帽，两路数据经Lab Streaming Layer同步。公告称，optohive成立于2025年，是苏黎世联邦理工学院的衍生公司。

研究者提出名为U2Multi-UDA的统一多层级多源无监督域适应框架，用来缓解运动想象脑机接口长期存在的两个障碍，即被试之间差异大、目标域标注数据稀缺。作者称，既有方法大多只在域对齐、特征交互或模型微调其中一个层级上着力，跨域适应因此并不完整。该框架把三个层级并入同一条流水线，先由最优传输对齐源域与目标域分布，同时以互信息估计各源域对目标域的相关性权重；再抽取脑电时空特征并经多源交叉注意力融合，由相关性权重引导跨域特征融合，用伪标签强化目标域特征学习；最后以分段权重分解低秩适应完成参数高效的目标域微调，抑制过拟合。在两套公开数据集与一套自建数据集上，该方法较各自表现最好的基线平均准确率分别提升2.69、1.89、3.83个百分点，Kappa值同步改善。