中 / EN

近红外

12 条
2026 年 11 月

五邑大学等融合脑电与近红外信号,在三类公开数据任务中提高平均准确率

五邑大学等机构提出一种融合脑电与功能性近红外信号的方法,在公开数据集的心算、运动想象和情绪识别任务中,平均准确率较最佳基线分别高2.34、0.59和1.47个百分点;后两项差异未达到统计学显著。该方法尝试区分两类信号共有的信息与各自特有的信息,再将其组合用于任务预测,以处理多模态信息重复、时间与空间关联难以充分提取的问题。作者将结果解释为改善混合脑机接口解码的证据,并认为方法具有较强泛化能力。这里的结果来自公开数据集任务评估,不等同于已经验证实时使用或临床应用效果。
2026 年 10 月

科贾埃利大学等近红外四分类准确率达95.6%,增益来自29人数据集评估

科贾埃利大学等机构的研究人员提出自适应多域特征融合框架,将功能性近红外信号的两类特征结合,用于区分左手运动想象、右手运动想象、心算和休息。在29名参与者的公开数据集上,采用受试者独立的留一受试者交叉验证,框架平均准确率达到95.6%,高于仅用时间特征的90.7%、仅用倒谱特征的95.0%和直接拼接特征的95.2%。相较直接拼接,每名参与者的准确率提升为0.2—0.7个百分点。结果表明,相对时间特征的大部分增益来自倒谱特征,自适应加权带来的是小幅、持续的补充改善。

昆明理工大学综述创伤后应激障碍神经反馈,比较3类反馈方式

昆明理工大学研究人员综述神经反馈用于创伤后应激障碍干预的机制与效果评价,比较脑电、实时功能磁共振成像和功能性近红外三种方式在反馈目标、时空分辨率及临床适用性上的差异。神经反馈通过实时呈现脑活动特征,引导患者学习调节异常神经活动。综述结合临床量表、神经生理指标和功能恢复指标,讨论其相对于一线治疗的临床定位,以及与心理干预联合应用的潜在协同机制。作者指出,现有研究仍存在对照设计不足、训练参数缺乏标准化等问题,不能将应用潜力视为已确立的治疗效果。

加州大学伯克利分校等训练近红外模型,在3个外部数据集测试迁移

加州大学伯克利分校、南加州大学和微软研究院团队提出MtReNIRS,在12个公开近红外数据集、268名受试者约567小时记录上预训练,再在三个未见外部数据集测试。模型对齐不同探头布局,用于跨受试者迁移及每类2至8个标签的个体内校准。全文显示,跨人结果并非在所有数据集上均显著优于全监督基线,少样本收益也因数据集而异。设备、任务和布局差异共存,跨设备效应未被单独隔离。

踝部动作脑信号解码完成离线与模拟在线测试,Air University参与研究

一项Air University等机构作者参与的试点研究,采集20名健康参与者和7名踝部运动障碍患者的功能性近红外信号,尝试区分静息、脚尖上抬和下压,并生成外骨骼踝关节控制指令。在健康参与者的跨受试者离线验证中,支持向量机平均准确率为72.50%±13.8%;采用参与者内验证的模拟在线测试,在1.5秒步长下获得最高平均准确率62.2%±14.1%。患者组采用留一试次验证时为57.23%±5%。这些结果属于概念验证,不代表已实现前瞻性实时外骨骼控制或证实康复疗效。
2026 年 9 月

Bio-MF一步生成近红外数据,混合脑机接口解码提速857倍

混合运动想象脑机接口将脑电与功能性近红外两种模态结合,利用电生理与血流动力学信息的互补优势提升解码精度,但实际使用中需同时佩戴两套采集设备,操作不便且成本较高。此前基于扩散模型的跨模态生成方法需上千步迭代,延迟过高,难以用于实时场景。陕西师范大学现代教学技术教育部重点实验室与微软(北京)的研究者提出Bio-MF框架,采用一步生成策略直接从脑电信号预测近红外波形,在一块RTX PRO 6000 GPU上仅需7毫秒即完成一次生成,比1000步扩散模型快857倍。在数据集1上,脑电加合成近红外比仅用脑电的分类准确率提高3.37至4.15个百分点;在数据集2未见过的64通道脑电布局下,提升为2.50至2.98个百分点。该研究为预印本,尚未经同行评审,所有验证均基于离线数据。

混合脑电与近红外并未提升脑控电刺激表现,16人随机试验显示两组无差异

把脑电和功能性近红外两种信号合在一起,能不能让脑控电刺激更准?16名健康志愿者完成的盲法随机试验给出的答案是否定的:混合组与纯脑电组在实时三分类召回率、能动感、注意力和身体舒适度上均无统计学显著差异,混合组中位召回率53.5%,纯脑电组57.3%。研究同时公开了完整的脑电-近红外数据集。

中国科大附一院登记卒中脑机接口数据集研究,计划入组400人

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。

ANT Neuro与optohive合作,联合开发脑电与近红外同步采集混合帽

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。

57人近全头近红外数据集公开:信号质量部分解释个体差异

用近红外光测大脑活动时,不同人的结果常常差别很大、难以复现,研究者推测部分原因在于全身性生理波动和信号质量差异,可能扭曲任务诱发的血流动力学反应。研究团队记录了57名参与者在静息、真实动作、想象动作、情绪识别、视觉和听觉任务中的近全头功能性近红外光谱(fNIRS,一种用光透过头皮测量脑部血氧变化的非侵入技术)信号,同时采集心率、呼吸、皮肤电、心电和肌电等外周生理数据及短通道记录。他们用头皮耦合指数、信噪比等4项指标评估信号质量,发现这些指标都与通道长度显著相关,并与任务激活估计相关,说明信号质量可部分解释个体间的激活差异;组水平分析也在预期脑区验证了激活。数据集已公开。该研究为预印本,尚未经同行评审。
2026 年 8 月

天津大学团队提出MTGNet框架,脑电伪迹去除后疲劳识别准确率提升逾6个百分点

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。
2026 年 4 月

脑出血后上肢康复:脑机接口新试验登记,结合脑电与近红外

中国临床试验注册中心登记了一项脑机接口研究,用于脑出血后的上肢运动功能康复。该试验结合脑电图(EEG)与功能性近红外光谱(fNIRS)两种信号,注册号为ChiCTR2600122859,登记日期为2026年4月20日,目前尚未开始招募。研究的具体设计、样本量和申办方等信息尚未在登记信息中披露。
© 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