中 / EN

脑电

218 条

脑电图(EEG)是脑机接口领域应用最广泛的信号采集技术,以低成本、便携和非侵入的优势支撑着从实验室研究到消费级产品的广泛场景。本专题汇集 EEG 硬件、信号处理方法与新型电极材料的最新进展。

2026 年 10 月

想象语音解码跨人测试接近随机水平,研究复核三个脑电语料库

研究人员分析三个公开语料库,检验用一人的头皮脑电训练的想象语音解码器能否用于另一人。在482个受试者有序对中,没有任何一对在多重比较校正后保持显著;各语料库的平均迁移准确率与随机水平相差均不超过0.006。研究还发现,区分想象任务与刺激前静息的信号,更符合刺激后状态,而非想象活动本身。单人内部解码中,只有竞赛语料库的所有受试者均超过阈值,但其频率特征未通过伪迹审查。结果限定于这些语料库和所检验的表示方式,不能推广为所有想象语音解码均不可行。

脑电语音解码审查发现:出声说话的对照表现主要由肌源信号主导

研究人员审查三个公开语料库,发现出声说话时的解码表现可能不足以证明流程能识别脑源语音信号。在ds003626中,两个唇部电极的解码准确率为0.7430,高于128通道头皮电极阵列的0.4231;限制在8-30Hz后,未保留可解码信号。研究还向真实记录注入已知幅度的效应,测量不同方法能检测到多小的变化,发现方法之间存在差异。作者认为,这些语料库的外显言语阳性对照主要由肌源性信号主导,并建议同时报告频段、伪迹通道表现及实测检测下限,以帮助解释解码成功或未检出的结果。
10-13 产业报道

Muse脑龄估算拟10月19日上线,结合脑电与认知测试

Muse宣布将推出Brain Age功能,结合头带记录的脑电与四项一次性认知测试,以相差多少年的形式显示估算脑龄低于、接近或高于实际年龄。据公司介绍,首次读数需要在7个不同日期各完成10分钟合格练习,并完成全部认知测试,之后每周一更新。该功能支持Muse 2、Muse S和Muse S Athena,首次读数免费,后续读数需订阅Muse Premium。Muse将其定位为一般健康功能,读数不作医疗用途;公司未将练习改变脑龄作为产品承诺。

北京体育大学解码模型在部分离线比较中获支持,扩大统计校正后未显著

北京体育大学研究团队提出一种运动想象脑电解码模型,在三个公开数据集上开展针对单个受试者和跨受试者的离线评估。与平均准确率最高的基线相比,新模型在两个数据集的受试者特定评估中分别提高3.56和1.62个百分点;跨受试者评估中的另一项差异为2.08个百分点。这三项比较在各自设置内进行多重比较校正后获得统计支持,但在涵盖56项比较的更广校正中均未保持显著。结果为分阶段整合局部与较长时间范围的脑电信息提供了有限支持,尚不能据此认定在线控制或临床应用获益。

脑电时间窗按运动想象阶段选择,多数据集解码表现改善

研究者提出一种自适应选择脑电时间窗的框架,让运动想象分类不再只对每个片段独立决定保留或丢弃,而是结合事件阶段和前后片段关系进行选择。该框架为时间窗赋予丢弃、起始、持续或结束角色,并限制不符合阶段顺序的选择。作者报告,在多个基准数据集上,跨会话和跨受试者解码表现均得到一致改善。可视化分析进一步提示,学到的选择策略与神经生理原则相符。上述结果来自数据集实验,不能据此认定已在在线脑机接口使用中获得同样收益。本研究为预印本,尚未经同行评审。

脑电数据变换降低跨会话身份识别率,运动想象解码也有损失

研究者针对运动想象脑机接口中的身份泄露问题,提出一种无需训练隐私模型的脑电数据变换:减少可用于关联同一人不同采集会话的特征。在两个公开数据集、覆盖四种协方差空间表示的五种攻击者测试中,识别能力最强的攻击者在BCI Competition IV-2a上的准确率从90.8%降至15.6%,在OpenBMI上从90.8%降至9.9%。代价是相较8—30Hz输入,运动想象解码准确率分别下降7.0和2.1个百分点。变换在一个会话上拟合后,原样用于未参与拟合的后续采集会话。本研究为预印本,尚未经同行评审。
10-10 产业报道

瓦博科技获人工智能大赛初创组一等奖,参赛项目聚焦人类神经意图

瓦博科技凭借“构建人类神经意图模型”项目,获得2026全球人工智能创新创业大赛初创组一等奖。据公司介绍,大赛由中国人工智能学会主办,共收到340份申请,20支队伍进入决赛,其中初创组和成长组各10支,每组设一个一等奖。瓦博科技正在开发的神经意图模型,尝试结合脑电、肌电等信号与任务上下文,理解特定任务中的人类高层意图,并将其与智能设备动作连接。获奖对应的是参赛项目评审,不代表意图识别能力或设备控制效果已经得到验证。

研究筛选脑机接口头盔衬垫结构,探索轻量柔顺支撑

研究面向脑机接口头盔衬垫,提出一种直接从体素生成有限元模型的结构筛选方法,以寻找材料用量较少、受压时更易变形的支撑结构。研究生成了200个Gyroid三周期极小曲面结构模型,其中199个获得有效力学结果,并用能够同时预测结果及其不确定性的回归模型辅助筛选。在模拟平板压缩条件下,作者报告一款代表性结构的柔顺性提高约12倍、材料用量减少约75%。这些结果属于结构力学仿真,不能直接等同于实际佩戴舒适度或脑电接触质量的改善。

成人探索研究发现脑机接口学习表现与阅读进步相关

研究开发了一种结合听觉输入和视觉反馈的非侵入式脑电脑机接口,目标是支持发展性阅读障碍相关的语音加工,并先在有、无阅读障碍的成人中测试。参与者完成16次训练,接受训练前后的语音意识及单词、非词阅读测评。在学会使用该系统的参与者中,无论是否有阅读障碍,离线脑机接口学习分数均与非词阅读进步显著相关。研究还发现,系统学习表现与真实单词阅读及声音振幅上升时间辨别能力的改善显著相关。这些关联不能证明训练导致阅读改善,也不是婴幼儿或儿童疗效证据。

耳鸣客观评估研究登记,拟用非侵入式脑机接口开展病例对照研究

一项已登记的观察性病例对照研究计划使用非侵入式脑机接口技术,探索主观性耳鸣的客观评估方法。研究拟纳入慢性耳鸣患者150例和健康对照150例,以听觉事件相关电位,即与声音事件相关的脑电反应,作为主要结局指标,同时记录耳鸣影响、焦虑和抑郁量表评分、纯音听阈、噪声暴露及用药史。健康对照将在年龄等相关特征上与患者匹配,两组均不安排干预。登记状态为尚未开始招募,现阶段属于评估方法研究,不能据此判断诊断准确性或治疗效果。

Brainbox 移动脑电研究发现驾驶快感来自掌控感而非车速

10名参与者在6种驾驶条件下同时佩戴脑电、心率变异性、皮肤电和眼动设备,从 Land Rover Defender 的低速越野一路开到 McLaren Artura GT4 的赛道。结果最明显的“心流”特征出现在赛道上:前额中线θ波升高,α活动保留;而高速乘坐时θ波和α波功率都下降、与压力相关的β活动上升,研究团队把后者解读为焦虑而不是兴奋。速度并不高的卡丁车,反而比高速乘坐表现出更明确的投入型正向唤醒。眼动数据与脑电一致——心流状态下注视赛车线的时间更长、眨眼更少。这项研究的价值在于验证了行驶中的车辆里也能采到质量足以区分投入与压力的脑电信号。

蔚山大学分析运动想象脑电,动作类别信息在提示后0.60至0.75秒增长最快

蔚山大学一项研究分析两个独立公开数据集,考察人们按提示想象动作时,不同脑区的脑电节律何时开始减弱,以及何时出现可区分动作类别的信息。结果显示,脑区的变化存在先后顺序;区分动作的信息在提示后0.60-0.75秒增长最快,并在随后0.3秒内趋于饱和。在两个数据集的每名参与者中,这一转变在时间上都更接近感觉运动区的节律变化起点,而非提示出现时刻。不过,按各脑区自身起点选取信号片段,并未比重新分配的时间窗获得更好的分类表现。作者认为,这一顺序可帮助定位分析时段,而非直接充当分类特征。

半干式移动脑电在个体水平检出听觉脑电反应,检出率与实验室凝胶系统相当

戴上用盐水海绵做电极的无线脑电帽,能不能像实验室里涂导电凝胶的有线设备一样,读出每个人对声音的大脑反应?一项独立研究给出的初步答案是可以。以往的脑电研究多报告群体平均,而临床评估、发育追踪或个性化干预需要在每个人身上都测得出可靠反应。研究人员让受试者听一串声音,其中夹杂少量目标音和新奇音,测量大脑在听到声音后约100毫秒和300毫秒出现的两种典型反应(N100与P300)。在同一间屏蔽实验室里,24通道半干式Smarting移动脑电系统在36次个体水平检测中检出34次,64通道有线凝胶式BioSemi系统在40次中检出34次。不过Smarting组只有9名受试者,研究者提醒这不是严格的硬件对比。

陈笃生医院登记脑机接口卒中上肢康复试验,计划入组12例

中风后手臂难以活动,大脑发出的“想动”信号还能否被用来带动康复?陈笃生医院登记的这项试验,将用头皮脑电读取患者想象运动时的脑电变化,再驱动功能性电刺激让手臂真正动起来,形成闭环训练。研究重点是这些脑电信号在急性卒中后如何随时间变化,以及这种变化对脑机接口康复意味着什么。试验计划入组12例急性卒中患者,目前尚未开始招募,主要终点预计2027年12月完成。

SPDAlign框架对齐不同受试者脑电数据,免去标注校准环节

同一套脑电脑机接口换一个人、换一天使用,信号分布就会变,模型准确率随之下降,通常要让用户先做一轮带标注的校准。研究团队提出SPDAlign框架,从理论上说明由头部几何结构等因素造成的这类偏移,可以只靠对称正定矩阵空间里的线性变换还原。它先把各个数据域的均值对齐,再用一种名为Wasserstein Procrustes的最优传输技术校正整体旋转,不需要标注数据。研究者称,该方法在多个公开脑电数据集上表现具有竞争力,而且能指出起作用的频段和空间模式,便于解释。该研究为预印本,尚未经同行评审。

耳周脑电可识别听者关注哪位说话人,行走时受线缆伪迹干扰

在嘈杂环境里,助听器能不能知道用户正在听哪个人说话?德国研究人员让受试者佩戴贴在耳朵周围的轻便脑电电极和便携式助听器研究设备,在坐着和走路两种状态下完成听觉注意任务。研究人员从脑电信号中还原受试者所关注的语音,结果与以往实验室研究的规律一致:只有一个人说话时还原得最准,两人同时说话时被关注的那一方次之,被忽略的那一方最差。不过行走条件下出现了与语音同步的伪迹,可能来自助听器线缆碰触电极,并影响了准确率。研究人员认为,这套轻便系统目前只在静止场景下证明了可行。

脑电信号漂移,在线更新让14组脑机接口模型中的13组更准

脑电信号会随佩戴时间、电极状态和被试状态漂移,实验室里校准好的脑机接口模型,用到日常场景往往很快就不准了。这份预印本把共空间模式(CSP)和基于黎曼协方差的方法放进同一套按时间顺序的评估流程:模型先预测,拿到真实标签后再更新参数。在4个公开数据集上,2个最大数据流里的14组模型与数据集组合中,13组准确率提升,相对冻结模型最高提升约18%。研究还用Shapley方法按时间块给数据估值,3个被分析的数据集中最近的时间块平均价值最高,较早的时间块仍保留正值——旧数据不是只能丢掉。

想象发声时的面部肌肉活动影响脑电情绪解码

研究人员记录出声和想象发声时的脑电,尝试区分愤怒、快乐、中性、悲伤和愉悦五类情绪。出声实验纳入14名参与者,想象发声实验纳入21名参与者,单试次解码准确率分别为78.1%和36.4%,随机水平为20%。研究还在5名参与者想象发声时记录面部表面肌电,发现非自主肌肉活动参与形成了有助于分类的脑电频谱与空间模式,其中一种侧部通道模式在想象快乐发声时更强。这意味着,分类准确率不能全部归于脑源情绪信息,也不能把肌肉活动影响忽略为普通背景噪声。

ISAE-SUPAERO半干式脑机接口在30人屏幕打字测试中实现99.8%准确率

ISAE-SUPAERO的一项研究测试了结合半干式脑电采集与视觉刺激的脑机接口。30名参与者完成标准屏幕上的11类键盘打字任务,系统使用33秒校准数据,准确率为99.8%,平均解码时间为4.3秒。在两次在线打字测试之间的2分钟观看视频空闲条件下,未出现误指令。研究还开展了虚拟现实概念验证,在线准确率为100%,平均解码时间为5.6秒。参与者主观报告两种条件下视觉舒适度较高、周边干扰较少,但虚拟现实中的疲劳更高;短时空闲测试不能代表长期使用表现。

印尼团队以脑电意图矩阵驱动下肢外骨骼,康复场景初步验证可行

研究人员提出一种名为“意图矩阵”的控制框架:先对脑电信号分类,读出使用者想做的腿部动作,再与外骨骼自身传感器的数据融合,生成发给底层执行机构的控制指令。按论文描述,人与外骨骼通过读取意图实现协作,发生在使用者先自行启动肢体动作之后。研究称结果初步表明该方法可支持EXOS-1外骨骼用于康复训练。论文摘要未报告受试者人数或分类准确率,仍属早期可行性工作。

杭州电子科技大学团队提出新算法,无需新用户数据即可解码运动想象脑电

不同人的脑电信号差异很大,同一个人的脑电也会随时间漂移,所以脑机接口换一个新用户,往往要重新采集数据、重新训练。杭州电子科技大学的研究团队提出名为TSMD-Net的算法,训练时完全不用新用户的数据,而是先把多名已有受试者的脑电特征对齐,再把分别针对每个人学到的判别经验汇总到一个统一的分类器里。在三个公开脑电数据集上,它读出“想动哪只手”这类意图的平均准确率分别为70.21%、77.82%和79.53%。

可拉伸脑电帽穿过头发贴合头皮,长期反复使用信号质量未见下降

普通脑电帽要靠导电膏穿过头发、贴紧头皮,用久了接触变差、信号变弱。德克萨斯大学奥斯汀分校团队做了一套可拉伸的脑电采集平台MindStretcH:用剪纸式镂空的弹性网格贴合不同头型,用可变形的液态金属导线连接,再配上可拆换的锥形水凝胶电极穿过头发接触头皮。在纵向运动想象记录和多次在线脑机接口实验中,研究人员报告任务相关的脑电活动保持一致,记录质量没有可测量的下降。团队认为它可在实验室、临床和家庭中长期重复使用,但摘要未披露受试者人数与使用时长。

心率、呼吸与瞳孔信号解码唤醒状态,准确度超过脑电

唤醒度是大脑和身体的紧张、警觉程度。多数基于唤醒度的脑机接口靠脑电(EEG)来读,但唤醒本质上受自主神经调节。研究人员用一个公开的模拟飞行任务数据集做离线分析,发现心率、心率变异性、呼吸、皮肤电活动和瞳孔直径这些外周生理信号训练出的解码器,受试者内曲线下面积(AUC)达到93.0%,高于仅用脑电的85.2%和原始滤波器组共空间模式解码器的79.8%。只有外周信号解码器重现了唤醒度与表现之间的倒U型关系。研究还发现,脑电神经反馈并未改变整体唤醒轨迹,其作用可能来自任务关键时刻的调节。该研究为预印本,尚未经同行评审。

华东理工大学团队提出新型深度网络,少量校准数据下提升SSVEP脑机接口识别准确率

注视不同频率闪烁的目标时,大脑视觉皮层会产生同频的脑电响应,即稳态视觉诱发电位(SSVEP),脑机接口可据此判断用户想选哪个目标。这类系统通常需要用户先花时间做校准,数据越多越准,但也更易疲劳。研究团队提出一种名为SCR-FTSDNN的深度卷积神经网络,把脑电信号转到频域后再提取时间与空间特征,并加入空间与通道重建模块。在Benchmark和BETA两个公开数据集上,作者报告该方法识别准确率和稳定性优于多种现有方法,在校准数据有限时优势尤为明显。论文摘要未给出具体数值,结果来自离线公开数据集测试。

被动脑机接口用于辅助驾驶,残障驾驶者场景下接受度更高

汽车如果能读出驾驶者的脑电信号,在他忙不过来时自动接手部分操作,人们愿意用吗?这项在线实验招募了1201名参与者,每人观看12种动画驾驶场景中的1种。场景里,一套佩戴式、非侵入的脑机接口检测到驾驶者负荷过高,随即启动辅助。结果显示,参与者对这项技术的接受程度随场景不同而有系统性差异。当脑机接口辅助的是与驾驶直接相关的功能时,接受度更高;场景中的驾驶者是残障人士时,接受度也更高。研究比较的2种自动化启动方式之间没有差异。

脑电加多语言文本一起判断情绪,准确率89.7%

人的情绪很难单靠脑电读准:脑电信号容易受噪声干扰,而语言模型能读懂文字里的情绪,却看不到大脑里隐含的变化。这项研究把两者结合起来,用脑电数据和多语言文本共同判断情绪。作者报告,融合模型的情绪识别准确率为89.7%,高于单用脑电的75%和单用文本的79%,F1分数为0.88,平均推理延迟180毫秒,可用于实时识别。摘要未说明受试者人数与所用数据集。

新加坡理工大学:脑电实时分清同一只手想往左还是往右,准确率58.7%

同一只手想象向左还是向右,脑电信号能否分得清?新加坡理工大学研究人员让20名健康受试者用优势手做左右方向的运动想象,即只在脑中设想动作、不实际做,并用深度学习模型实时解码,平均准确率为58.7±8%,研究者称优于现有深度学习模型。难点在于同一只手不同方向对应的神经活动在空间上高度重叠。模型以EEGNet卷积滤波器提取时间与空间特征,先用多人校准数据训练通用版本,再针对每个人微调;其中的挤压激励层还能给各电极的贡献排序,为按个人优化电极布局提供依据。以往同类研究多比较左手与右手,且大多是离线分析。这项研究面向中风康复,但目前只在健康人身上测试。

CortexBridge统一电极布局,15项评估13项提升

脑电基础模型在预训练时通常只见过固定的一套电极布局,换一种电极排布就难以直接沿用。研究人员提出轻量级适配器CortexBridge,把脑电特征与电极坐标、脑图谱坐标结合,将任意电极布局映射到一个共享的皮层潜在空间,相当于先把信号对齐到大脑皮层,再交给预训练模型,模型本身不做改动。在公开基准库MOABB的5个脑机接口数据集上,配合EEGPT、LaBraM、CBraMod这3个参数冻结的基础模型测试,15次评估中有13次性能提升,平衡准确率平均分别提升0.80%、0.70%和3.26%,12类稳态视觉诱发电位分类最大提升13.02%。该研究为预印本,尚未经同行评审。
2026 年 9 月

脑机接口色觉检测新算法MetaIDNet使评估提速70%

色觉检查通常依赖受试者主观作答,而脑机接口可以直接读取大脑对颜色差异的反应。受试者注视在两种光源间交替闪烁的刺激,两种颜色看起来差别越大,脑电中的稳态视觉诱发电位就越强。已有系统在色彩空间里均匀取样、同一位置重复测量取平均,准确但耗时。研究团队提出闭环系统MetaIDNet,用高斯过程回归和神经网络决定下一步测哪里。离线实验中,它在保持精度的同时把评估速度提高70%;在线实验中,它在速度不变时把精度提高40%。离线和在线实验分别只有10名和8名参与者。

Neurotechnology推出手机端脑电采集应用

做脑电研究不一定要带电脑了。Neurotechnology为其BrainAccess脑电硬件提供一套免费软件,此次新增的BrainAccess Mobile把桌面软件BrainAccess Board的核心功能搬到了手机和平板上。这款免费的安卓应用支持Android 7及以上版本,可通过蓝牙连接一台或多台BrainAccess脑电设备,在移动端完成设备设置、信号采集、实时查看、电极阻抗检测、记录回放和数据管理,数据既可存在本地,也可经LSL数据流协议发送到电脑。厂商称它适合户外状态监测、多人同步记录和居家睡眠研究等场景,但暂不适合需要刺激与脑反应精确对齐的实验,例如事件相关电位和P300范式,这类研究仍建议使用电脑。原有的BrainAccess Mobile Lite也将继续免费提供。
© 2026 BCIwiki.com 产业简报 主题索引 提交线索 订阅本站 修订记录 关于我们