侵入式脑机接口

imec与埃因霍温理工大学、鹿特丹伊拉斯谟医学中心的研究团队为皮层内脑机接口设计了一套2级无线架构，先用经硬膜的电流耦合体通道通信把自由漂浮微电极阵列的数据送到颅内单元，再经皮传到体外。该研究2026年9月1日发表于《Communications Engineering》。在体模和离体人头标本实验中，经硬膜链路在20%占空比下传输速率最高达500Mbps，误码率低于10⁻⁵。系统内置的按变化量发送编码器SODA最高可把数据压缩11.4倍，从而降低发热负荷。脑芯片模型测试显示，该系统不会诱发非预期的神经活动。

解码海马活动并给出自适应刺激的闭环脑机接口式记忆假体，正从动物概念验证阶段转向首次人体试验。杭州电子科技大学等机构的研究者在综述中提出，要做出可长期植入的系统，必须把此前被分开研究的三个子系统放进同一个结构、性质、工艺(SPP)框架里协同设计，分别是生物相容电极界面、片上神经形态计算和闭环控制硬件。综述把θ相位追踪、θ-γ耦合、尖波涟漪检测等神经科学发现，映射到延迟、采样率、电荷注入等工程指标，以及阻抗、开关耐久性、长期稳定性等材料指标，并对两类主要材料给出SPP分类。作者同时指出，部分小样本临床结果存在被过度外推的情况。

一项概念验证研究显示，基于脑电图（EEG）的非侵入式脑机接口方法可区分1型糖尿病患者的低血糖与非低血糖状态。在数据受限条件下，二次判别分析分类器达到96.2%的准确率，且低血糖状态伴随特征性的delta和beta波段改变。该方法有望为低血糖早期预警提供无创、可实时运行的检测途径。

扩展现实（XR）环境下的视觉刺激会降低脑电信号质量，但一项新研究显示，深度学习模型仍能保持较高的分类准确率。意大利那不勒斯费德里科二世大学的研究团队评估了SSVEP-TFFNet模型在XR条件下对稳态视觉诱发电位（SSVEP）的分类性能，并与传统方法滤波器组典型相关分析（FBCCA）进行了比较。研究使用了包含30名受试者、1200次试验的开放XR基准数据集，数据通过微软HoloLens 2采集。结果显示，SSVEP-TFFNet在XR条件下优于FBCCA，且将电极从8通道减少至6通道或4通道时，性能仍接近全通道配置。该研究为轻量化、可穿戴的XR脑机接口实现提供了证据。

一项针对慢性脊髓损伤参与者的个案研究发现，在扩展现实脑机接口（XR-BCI）使用中，体现感与额叶theta活动正相关，而模拟器晕动与感觉运动beta活动负相关。研究分析了17次XR-BCI会话，采用贝叶斯相关分析和多元线性回归，发现模拟器晕动是唯一与感觉运动beta活动独立相关的变量，且结果稳健。这表明XR-BCI操作中不同维度的主观体验对应部分不同的神经生理关联，为未来通过脑电实时监测用户主观体验、优化BCI训练与交互设计提供了基础。该研究由葡萄牙阿尔科伊唐健康高等学院、阿威罗大学和葡萄牙天主教大学的研究人员完成，于2026年8月27日发表于《Life》期刊。

加州大学伯克利分校Muller实验室的研究人员在《IEEE生物医学电路与系统汇刊》发表论文，描述了一种名为DustNet的无线超声神经植入物网络。该网络由多个微型超声植入体组成，通过无线方式实现神经信号的采集与传输，为侵入式脑机接口提供了一种新的技术路径。论文于2026年8月27日由实验室网站公布。Muller实验室专注于神经接口与集成系统设计，DustNet是其继MRDust之后在超声神经接口领域的又一进展。

脑机接口设备之间的无线通信需要既安全又低延迟，而量子计算机的威胁让传统加密面临风险。一项新研究提出PQ-NeuroLink框架，在模拟最严苛的蓝牙低功耗单跳条件下，采用混合后量子加密模式比不加密基线仅增加0.45毫秒的延迟，同时保持99.0%的数据包投递率。该框架将身份认证与数据流加密分离，为下一代分布式脑机接口提供了可复现的安全通信基础。研究由阿联酋大学的团队完成，发表于2026年8月26日的《Frontiers in Systems Neuroscience》。

在模拟多级管制任务的跨受试者评估中，动态微状态引导的图卷积网络（DMG-GCN）实现80.30%的平均准确率和78.63%的平均F1分数。该模型由南京航空航天大学等机构的研究者提出，用于解码空中交通管制员的脑电认知负荷。它通过动态选择性核时间卷积模块提取多尺度时频特征，微状态引导的动态图模块构建随时间演化的邻接矩阵以分离拓扑子网络，随后由时空图卷积模块聚合表征，时间自注意力机制聚焦任务关键转换时刻。探索性分析显示，提取的拓扑子网络空间模式与特定脑网络重组一致，涵盖从全局分布式监测到时间多模态整合及顶枕区并行处理。相关成果2026年8月26日发表于《Biosensors》。

一项范围综述发现，无线脑电图设备在发育障碍儿童研究中的应用呈上升趋势，其中脑机接口技术占纳入研究的28.1%。综述纳入64项研究、3103名参与者，显示脑机接口研究偏好低通道、干电极、消费级设备，而生物标志物驱动的研究则使用更高通道数和信号保真度。但数据质量报告严重不足：85.9%的研究未报告与有线脑电图的验证对比，79.7%未说明阻抗阈值。该综述由韩国延世大学和加拿大多伦多大学的研究团队完成，于2026年8月25日发表在《Journal of Medical Internet Research》上，是首篇系统梳理无线脑电图在多种发育障碍儿童中应用的综述，揭示了该领域标准化缺失的现状。

Arctop发布了一篇论文配套文章，介绍其“基于脑反馈的强化学习（RLbF）”框架。该框架利用实时脑电测量，解码出工作负荷、压力等认知状态，作为奖励信号来训练大语言模型。文章称，这一方法能让模型在对话中感知听者的认知状态，并实时调整表达方式，从而改善沟通效果。目前，该框架已在其应用“Isaac”中部署，但仅使用单一维度（认知负荷）进行自适应。与传统RLHF依赖事后主观反馈不同，RLbF利用脑电信号提供连续、非自愿的反馈，使模型能实时感知话语对听者大脑的影响。这一方法首次将脑信号用于语言模型训练，但尚处于早期部署阶段，仅支持单一维度，且具体技术细节未完全公开。

Kandu公司宣布，其IpsiHand居家非侵入式脑机接口系统在NIH资助的随机对照试验中显著改善慢性卒中患者的上肢运动功能。研究发表于《Stroke: Vascular and Interventional Neurology》，超过半数患者达到临床意义的恢复。

斯坦福大学Daniel Palanker教授因开发PRIMA视网膜植入体，获美国国防健康局杰出研究成就奖。该植入体旨在恢复因疾病或损伤失去光感受器后的中心视力，通过植入视网膜下的2毫米芯片，由增强现实眼镜发出红外光，将光转换为电流刺激下一层神经元。2025年发表于《新英格兰医学杂志》的研究显示，该设备能让法律上失明的晚期干性黄斑变性患者阅读字母和单词。此次获奖因其对激光损伤视网膜的军人亦有潜在帮助。Palanker是斯坦福大学吴蔡神经科学研究所的附属成员，该研究所致力于推动神经科学前沿研究，其技术已获国际关注。