脑电

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。

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。

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。

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。

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。

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。

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。

广州海事大学、广东工业大学与广州大学的研究团队用遗传算法结合贝叶斯线性判别分析，从传统8通道P300脑机接口里选出一组泛化能力强的固定3通道组合，免去逐人重新校准。该研究2026年9月1日发表于《Biomimetics》。48名健康受试者完成了离线和在线虚拟现实实验，结果显示3通道系统的准确率和信息传输率与8通道系统相当，没有明显的性能下降，设备准备时间从30分钟缩短到3分钟，减少90%。NASA-TLX负荷评估显示用户的心理和生理负担明显减轻。研究者称，这一少通道策略在保住核心交互性能的同时改善了用户体验和系统实用性。

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%。

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。

一支研究团队在arXiv上传预印本，提出名为EEG-AS的实例级算法选择框架，把脑电基础模型的挑选问题下沉到单条样本一级。近年脑电基础模型在各类神经解码任务上表现见长，但没有任何一个能在所有数据集、所有样本上稳居最优，而逐样本选模型这一环此前少有人做。EEG-AS用推理阶段即可获得的脑电潜在表征、手工神经生理特征以及一个锚定基础模型刻画每条样本，训练阶段学习从特权预测标记中重建其余模型不可得的行为，推理阶段直接估计这些行为，不必把候选模型逐个跑完，即可在7个脑电基础模型之间完成挑选。研究者称，公开脑电基准上的实验显示，该框架显著缩小了单最佳求解器与逐样本理想上界之间的差距。该文为预印本，尚未经过同行评审。

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。

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。

一套混合脑机接口在10名受试者实时行走实验中替代下肢外骨骼的拐杖控制，SSVEP平均分类准确率达95.06%，眨眼与咬牙开关的F1分数分别为99.80%和99.22%。该系统结合稳态视觉诱发电位脑机接口与眨眼、咬牙触发的异步生物信号开关，由SSVEP选择运动模式，眨眼执行、咬牙取消指令。与拐杖控制相比，该方法系统可用性量表得分78.25对53.50，NASA任务负荷指数体力需求3.15对7.85。

人工智能正把脑机接口从特定任务的神经解码器变成能补全语言、平滑运动、调节康复支持并调整刺激的自适应系统。一位独立研究者警告，这类系统可能过度优化短期成功指标，偏离用户的长期目标。该研究者将这种闭环失效模式定义为“神经适应过拟合”，并提出按解码器证据、不确定性、临床风险、疲劳及用户目标来调节AI辅助节奏的框架，区分快速辅助、谨慎辅助与慢速辅助，覆盖通信、运动控制、神经康复和闭环神经调控等应用。文章强调，评估此类系统不应只看解码准确率和任务表现，还要看AI辅助何时自主行动、何时寻求确认、何时保留用户努力或交还控制权。

一支法国与美国的研究团队公开了名为NETBCI的纵向多模态数据集，用于研究脑机接口训练过程中的脑网络重组。作者称，控制脑机接口至今仍是一项需要习得的技能，相当一部分使用者在多次训练后依然无法掌握，造成这种个体间差异的原因仍是开放问题。NETBCI收录19名健康受试者的脑磁图（MEG）与脑电图（EEG）记录，每人在4个不同日期完成4次实验。每次实验包含2段各3分钟的睁眼静息态记录，以及6轮脑机接口任务，受试者通过持续的右手运动想象或保持静息来控制虚拟光标的位置。数据集另含匿名化的磁共振影像与行为学评分。作者称，希望这套数据的样本量与模态数量能供研究者用于脑网络重组之外的更多分析。

同样是在脑海里想象动作，篮球运动员和普通人的大脑反应并不一样。研究人员用脑电记录了17名篮球运动员和16名新手想象投篮与搬箱子时的感觉运动节律变化。这种节律在想象动作时会减弱，常被当作运动皮层参与程度的指标。结果显示，只有运动员出现了显著且持续的减弱，想象罚球时尤其明显。但在运动员内部，想象能力越强，这种减弱反而越小，可能意味着大脑用得更省力。研究者据此认为，用脑信号做神经反馈训练时，目标不能一刀切，要看训练者的运动专长和想象能力。该研究为预印本，尚未经同行评审。

一项研究于2026年8月31日发表，使用统一脑电预处理与公共空间模式特征提取流程，在三个公开数据集上评估五种机器学习分类器，结果见《Journal of Computers, Mechanical and Management》。脑机接口系统通过分析脑电图信号在人脑与外部设备之间建立直接通讯，而作者指出脑电分类模型性能与泛化能力高度依赖数据集特性、受试者差异及评估参数。实验显示同一算法在不同数据集间表现悬殊，暴露了脑电解码研究长期存在的可比性缺口。

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》。

昆明理工大学团队在《生物医学工程学杂志》发表论文，系统分析脑机接口固有局限对能力边界的约束机制。研究指出，神经编码动态性、个体差异、低信噪比、部分可观测性和范式依赖性共同构成能力边界的形成基础，并在神经信息、人因和系统三个层面表现为解码精度、信息传输率、复杂意图解码、用户体验及系统稳定性等的上限。团队提出信息增强、自适应解码、人机协作和系统优化等策略，认为性能提升关键在于增强神经信息利用，而非克服底层局限。该研究为理解脑机接口性能天花板及未来提升路径提供了理论参考。

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。

脑机接口（BCI）正在从神经科走向骨科康复：一篇综述指出，通过解码运动相关神经信号并建立中枢与外周之间的闭环反馈，BCI可增强皮质脊髓束兴奋性、诱导神经可塑性，从而改善因中枢运动驱动不足导致的术后肌肉抑制和功能障碍。现有证据表明，基于运动想象的BCI训练可提高前交叉韧带重建术后股四头肌的自主激活率，减少肌力损失。但综述也指出，其临床转化仍面临机制证据不足、患者异质性高、训练方案缺乏标准化等挑战。该综述由暨南大学附属第一医院等机构的研究人员完成，发表于2026年8月25日的《中国修复重建外科杂志》。