运动解码

脑机接口（BCI）需要从脑电信号中识别用户的运动意图，但传统深度学习模型往往参数庞大、计算开销高。研究人员提出一种名为Ghost-LENet的轻量级卷积神经网络，在BCI Competition IV-2a和IV-2b数据集上分别达到82.18%和83.05%的分类准确率，而可训练参数仅数千。该模型结合膨胀时间卷积、平稳小波变换、动态残差融合与Ghost模块，在保持高精度的同时大幅降低模型复杂度，为资源受限的BCI应用提供了新方案。

该研究提出并构建了一套基于增强脑电图（EEG）的智能家居脑机接口方案，使用25名受试者的运动想象EEG数据集（64通道BCI2000设备采集）。研究从CNN卷积层提取特征用于训练分类器，提出的支持向量机（SVM）、卷积神经网络（CNN）与线性判别分析（LDA）模型可去除导致误分类的过度噪声与重叠，并将选定特征分为不同类别，依据Arduino UNO可处理的类别数控制智能家居设备。三种模型的整体准确率分别为99%、96%和99%。作者认为，该运动想象EEG分类方案可用于通过脑电波控制智能家居，未来可能对老年人和行动不便者有帮助。

一项新研究揭示了猴子额叶运动皮层在伸手任务中神经活动的时空异质性，表明运动表征在不同皮层区域和深度上分布不均，这一发现可能为未来脑机接口植入的电极定位提供参考。该研究由华盛顿大学神经技术中心的研究团队完成，使用高密度层状微电极阵列记录了两只雄性猴子的神经活动。研究发现，目标方向信息在皮层表面和深度上呈异质性分布，不同神经群体的时间动态差异显著，但任务信息量可预测神经群体的动态相似性。这一发现凸显了运动表征的时空复杂性，有助于优化脑机接口植入策略。

非侵入式脑机接口面临学习效率与控制精度挑战，尤其对无经验用户。一项新研究提出感觉引导的联合学习框架，将人类运动学习与自适应机器学习结合。在31名无经验参与者中，一维在线离散准确率达86.0%，二维达77.5%，连续控制准确率分别为77.5%和66.9%。触觉引导减少用户探索、加速神经适应，样本重加权使解码器更新与人类学习轨迹对齐。该框架将脑机接口训练从被动校准转变为主动的人机联合学习，为沟通与康复提供实用可扩展的神经接口。论文由卡内基梅隆大学团队完成，发表于《自然·通讯》。

混合脑机接口研究面临脑电信号空间分辨率低、数据量小且涉及隐私、以及联邦学习中数据分布不均等挑战。一篇发表于《Computing and Informatics》的论文提出名为FSDFGL的联邦图学习框架，在构建图数据时将肌电信号融入脑电信号，并在联邦学习过程中仅共享结构信息，以避免异构特征共享导致的性能下降。在TAN数据集上的实验表明，该框架在识别复杂运动意图方面具有优势。

一项预印本研究提出一种基于事件的神经解码方法用于神经假肢运动控制。研究指出，现代假肢虽由深度神经网络驱动，但高延迟、高能耗与空间需求限制了其普及：有线连接限制患者活动，无线连接又限制可传输的信息量；脉冲神经网络虽支持压缩通信与低功耗推理，但任务性能常落后于最先进深度学习模型。该研究提出的事件型门控循环单元以分级脉冲生成稀疏通信模式，在任务性能上超过经典脉冲神经网络，并配合高效训练方法与稀疏推理，为设备端神经解码提供新机会，有助于在延迟、能耗与空间受限的情况下部署假肢控制。该研究为预印本，尚未经过同行评审。

一项预印本研究提出CNN-LSTM-RL两阶段解码框架，用强化学习对CNN-LSTM连续运动想象解码器的输出做残差运动学校正。RL智能体离线训练、不直接使用EEG输入，而是基于预测的运动学轨迹优化相对目标轨迹的运动准确度。研究者称，与单独使用CNN-LSTM相比，CNN-LSTM-RL将2D平均相关系数从0.5076提升到0.7181，VR场景从0.6420提升到0.7780，RMSE分别降低40.2%和38.2%。研究者认为，该框架通过离线残差强化学习校正运动学误差，无需额外神经数据即可增强3D脑机接口运动想象解码，对神经康复、假肢与虚拟交互有潜在价值。该研究为预印本，尚未经过同行评审。

脑电研究发现，单侧下肢运动想象与运动执行会引发相似的偏侧化神经活动模式，证实上肢已知的偏侧化规律同样适用于下肢。

哈佛医学院研究人员发现，啮齿动物面部运动的光谱分析可以预测其大脑皮层活动和脑机接口任务表现，这一发现为开发更有效的神经假肢控制系统提供了新的生物学基础。该研究为预印本，尚未经过同行评审。

一项预印本研究展示，功能超声成像（fUSI）通过声学透明颅窗植入物，在一名受试者的初级感觉运动皮层内可靠解析多身体部位和单指运动的编码，映射结果与经典躯体定位一致，并能解析单次试验相关活动、支持单次试验解码与跨会话解码。对解码重要体素的分析提示不同布罗德曼分区对单指运动信息存在差异编码。研究者认为，fUSI能以亚毫米分辨率可靠描绘躯体定位组织的运动表征，在人体受试者中填补侵入性电生理与非侵入性血流成像之间的关键空白，为微创、高分辨率的脑机接口神经记录提供新方法。该研究为预印本，尚未经过同行评审。

一项发表于《Computers in biology and medicine》的研究提出LEGEND神经解码架构，联合建模皮层EEG、脊髓ESG与外周肌肉EMG信号，面向脊髓损伤康复中的神经旁路。模型在洛伦兹双曲空间编码三模态信号，通过有符号三层相位锁定值图连接51个通道节点，再利用图注意力模块细化表征。在Steele数据集严格留一受试者交叉验证中，LEGEND取得56.51%±12.27%的准确率，比EEGNet高23.4个百分点。研究者认为，双曲表征能够捕捉运动层级中的复杂关系，为联合脑、脊髓和肌肉信号的康复解码提供计算基础。

这项研究把运动想象脑机接口与常规康复训练放在一起比较，观察它能否改善卒中后偏瘫患者的肢体运动功能和日常生活能力。研究计划入组60人，对照组和观察组各30人，首例患者2022年8月10日入组，目前登记状态为已完成。主要结局除运动功能量表外，还包括用功能性近红外脑成像测算相关脑区的功能连接及其偏侧化指数，试图看脑网络层面的变化，而不只是看行为评分。

该研究在非人灵长类二维手指任务的植入式脑机接口（iBMI）数据上，评估脑肌协同能否提升解码性能与泛化。研究背景指出，大脑通过肌肉协同简化高自由度运动，协同此前已通过主成分分析（PCA）、非负矩阵分解（NMF）与去混合PCA（dPCA）等降维技术研究，并在非侵入性应用中用于降噪与改善离线解码稳定性，但其对植入记录的改善效果尚不明确。研究测试PCA、dPCA与NMF压缩去噪脑肌数据并改善跨任务泛化的效果，结果显示所有方法都能以最小解码精度损失有效压缩数据，但均未通过去噪提升性能或增强跨任务泛化。作者认为，仅提取协同并未为线性解码提供更优或更干净的控制空间，需更大样本与更多肌肉通道的进一步研究。

一项发表于《Computers in biology and medicine》的研究使用跨频双谱分析，考察自然伸手抓握过程中规划与执行阶段的非线性脑电活动。研究者从复双相干矩阵提取幅度和相位特征，并结合分类、置换特征选择和受试者内统计检验。结果显示，执行阶段的非线性耦合强于规划阶段，主要由β频段和γ频段相互作用驱动。精细抓握与力量抓握的解码表现则在两个阶段相近，提示抓握类型表征可能在规划时形成并持续到执行。双谱特征相较传统分析方法在抓握类型判别和多类别分类中表现出一致优势，为未来脑机接口和神经假体研究提供了新的运动解码特征。

中国临床试验注册中心（ChiCTR）于2026年6月5日登记了一项新试验（注册号ChiCTR2600126291），旨在检验先前多感官具身训练对后续运动想象神经表征和脑机接口解码性能的影响。该试验尚未开始招募受试者。

一项新登记的临床试验把脑机接口用于卒中后康复，设计成四个平行组：全维度（情绪—认知—运动）自适应训练、认知与运动任务整合训练、单一维度运动训练，以及常规康复训练。每组计划22人，共88人。研究面向首次脑梗或脑出血后3个月到1年、单侧偏瘫、上肢Brunnstrom分期II至IV期的30至80岁患者，主要结局是运动功能评分，次要结局包括脑电运动想象的事件相关同步/去同步、前额叶theta/alpha功率比、脑电—近红外耦合等指标。

一项基于立体定向脑电图（sEEG）的研究发现，在提示性肢体运动想象任务中，低频（8-30Hz）神经活动在准备期以抑制为主，进入想象期后转为激活；高频（60-115Hz）反应更强、分布更广，部分触点还出现激活-抑制序列。研究基于10名癫痫患者的颅内记录，表明神经活动并非统一响应，而是随任务阶段和脑区动态变化，为阶段感知的脑机接口特征设计和神经康复提供了参考。

脑机接口换一个人使用，往往要先采一段新数据重新校准，因为每个人的脑电信号差异很大，而且会随时间漂移。研究团队提出名为SPD-DANN的方法，把脑电特征放在一种更贴合其非线性结构的数学空间里，即对称正定矩阵流形，再用对抗学习提取不随个人变化的共性特征，目标是让模型无需逐人校准就能解读新用户的运动想象，即在脑中想象手脚动作时产生的脑电信号。研究人员在4个脑机接口数据集上测试，称该方法优于多种现有的无监督域适应技术。摘要未给出具体准确率数字，结果均为离线数据集测试。

一项在徐州医科大学附属徐州康复医院开展的临床试验，把运动想象脑机接口与改良约束诱导运动疗法合在一起，用于卒中后上肢功能恢复。徐州康复医院是徐州医科大学附属的康复专科医院，这类联合方案要检验的，正是脑机接口能否在既有康复训练之上带来额外收益。试验计划纳入40人，联合组与对照组各20人，首例患者于2025年12月24日入组，目前登记状态显示已完成。主要终点是上肢Fugl-Meyer评分，次要终点包括Wolf运动功能测试和改良Barthel指数。经费来自新一轮徐州“彭城英才计划”高层次医疗卫生人才引育项目，编号2025TD14。登记页没有公布结果数据，联合方案是否优于单纯约束疗法，要等结果发表才能知道。

该研究提出一种自适应的EEG动态迁移学习框架，以减少运动想象脑机接口（MI-BCI）中的负迁移。研究指出，现有迁移学习方法常合并多个源域，源-目标相似度低时易产生负迁移，且受试者间变异进一步降低迁移学习效果。该框架先用小波变换卷积对EEG时频分解，再通过动态迁移注意力模块匹配源域与目标域样本，最后以联合损失函数减少边际与类别条件差异。在BNCI2014001、BNCI2014002和BNCI2015001数据集上验证，准确率分别为78.78%、82.11%和78.19%，平均准确率优于基线算法（提升0.13%至27.7%）。作者认为，该方法对受试者变异具有稳健性，可增强系统的实际适用性。

该研究提出DPMS-Net，一种采用动态卷积在时间、空间与频率多维度挖掘判别线索、并结合通道与时间注意力机制的运动想象分类深度网络，并引入频谱域分析组件，挖掘EEG谱中隐藏的细微振荡特征，为分类提供更丰富证据。研究在两个公开数据集与一个卒中患者自采数据集上评估，在BCI Competition IV 2a和2b数据集上分别取得83.93%和88.38%的受试者依赖分类准确率；在卒中患者数据集上，受试者依赖准确率为67.67%。作者认为，DPMS-Net具有高效解码能力与稳健性，可用于神经康复脑机接口系统。

中国临床试验注册中心新登记一项以脑机接口技术为核心的中风后功能恢复研究，注册号ChiCTR2600120924，登记日期为2026年3月23日。目前登记状态为尚未开始招募，试验设计、样本量与申办方等关键信息尚未在题录中披露。这是国内脑机接口向卒中康复临床验证推进的又一项登记，但能否真正回答脑机接口对功能恢复的作用，要看后续方案与结果。

两名四肢瘫痪患者只需“尝试”动动手指，植入大脑运动区的电极就能读出他们想按哪个键，在一块虚拟的标准QWERTY键盘上双手打字。这项研究由美国麻省总医院、布朗大学、哈佛医学院等机构的团队完成，他们看中的是键盘打字这种人们早已熟悉、信息率又高的沟通方式。打字节奏由患者自己掌握，最快每分钟110个字符，约合22个单词，单词错误率为1.6%，作者称这一准确率接近健全人打字水平，信息通量也高于目前最先进的手部运动解码方案。系统只需约30句校准语句就能准确识别手指动作，再借助一个5-gram语言模型修正整句输出。两名参与者分别因渐冻症和脊髓损伤瘫痪。对已经会用键盘的人来说，这是一种直观、无需重新学习的沟通方式。

脑机接口（BCI）依赖运动想象（MI）解码来识别用户的意图，但脑电信号的非平稳性和个体差异让准确解码变得困难。研究人员提出一种名为MSARFNet的多尺度注意力重建融合网络，通过并行多尺度卷积分支提取时空特征，并利用注意力机制融合多尺度信息，增强与运动想象相关的瞬态响应。在BCI Competition IV 2a和2b两个公开数据集上，该网络的平均分类准确率分别达到84.64%和87.96%，优于多种现有方法。研究发表于2026年2月27日的《IEEE生物医学与健康信息学杂志》。

Neuralink披露，其全球临床试验参与者已增至21人。公司称，首例植入出现电极丝回缩后采取了手术和术后改进，随后20名参与者中有18人的信号质量更高。部分参与者已用系统控制电脑和辅助机械臂，最高每天使用17小时。以上数据来自公司项目更新，尚不是经过同行评议的完整临床结果。

Synchron公布美国COMMAND早期可行性研究12个月结果。6名慢性双侧上肢重度瘫痪患者均完成Stentrode植入，并达到主要安全终点，没有发生导致死亡或永久加重残疾的器械相关严重不良事件。团队还报告，运动意图信号可持续转成数字动作指令，全部植入均覆盖预定运动皮层区域。结果来自公司在学术会议上的披露，不能写成关键性试验两年随访。

FDA授予Blackrock Neurotech的MoveAgain脑机接口系统突破性设备认定。该系统由植入脑内的电极阵列、神经信号解码和无线输出组成，开发目标是让重度瘫痪患者控制光标、键盘、移动设备、轮椅或假肢。突破性设备认定提供与FDA更密切沟通和加速审评机会，不是上市许可。公告发布于2021年11月16日，认定对象也不是一款单独的高密度电极阵列。