非侵入式脑机接口通过头皮脑电、功能近红外等技术采集大脑信号,无需开颅手术即可实现人机交互。本专题关注 EEG 头戴设备、SSVEP 拼写器、运动想象范式等方向的产品与研究进展。
2026 年 8 月
居家非侵入式脑机接口改善慢性卒中患者上肢功能,随机对照试验结果发表
福建六部门印发脑机接口行动计划,2030年产业规模力争突破30亿元
福建省科技厅、发改委、工信厅、卫健委、药监局、数据管理局六部门联合印发《福建省脑机接口科技产业发展行动计划(2026—2030年)》,文号闽科社〔2026〕5号。计划设两级目标:到2027年在诱发脑电信号特征增强、神经信号非线性解码算法、高分辨柔性电极等领域突破关键技术,培育5家以上创新型中小企业,建设1个两岸联合实验室和2个省级创新平台,推动非侵入式产品医疗器械注册;到2030年引育30家创新型企业,形成完整产业链,产业规模突破30亿元。计划把福建定位为海峡两岸脑机接口创新合作高地和全国特色应用示范基地,依托福厦泉国家自主创新示范区组建科技产业联盟。
综述对比两类脑机接口,侵入式成功率最高100%但成本超25万美元
一篇2026年8月17日发表于《Theoretical and Natural Science》的脑机接口医学应用系统综述,从文献回顾、侵入式与非侵入式技术比较案例和跨学科评估三个角度展开。综述报告侵入式脑机接口可实现机器人臂控制80%至100%的任务成功率,但受限于手术风险、信号渐进退化与高于25万美元的成本,非侵入式脑机接口更安全、在社区神经康复中部署更广,卒中后上肢恢复有效率约为70%,却受限于信噪比差、约30%的BCI失语率与低信息传输速度。综述还探讨了神经数据隐私、自主性悖论、获取不平等等伦理与社会议题。
可穿戴脑机接口完成在线闭环验证,运动意图识别准确率达79.38%
该研究2026年8月14日发表于《ITM Web of Conferences》,完成了一套面向卒中康复的可穿戴脑机接口系统的物理集成与在线实验验证。该系统采用带微型化采集电路的脑电头戴设备,在感觉运动皮层上方布置10个核心记录通道。研究团队招募6名健康受试者和2名卒中偏瘫患者,开展运动想象与运动尝试的闭环实验;信号处理采用共空间模式提取空间特征,结合线性判别分析完成意图分类,并以个性化子频带优化提升识别表现。离线平均识别率为84.91%,在线实时测试的分类准确率为79.38%。研究者还通过时空频谱与R²值分布分析,验证了运动意图触发时感觉运动区的激活模式。
首个脑电生成全身运动数据集发布,近2万对样本覆盖数千动作
研究者提出首个用于人体运动合成的脑电-运动-文本数据集EEG2MOTION,含近20,000对配对样本,覆盖数千种动作,并配套开发生成框架EMMM,将脑电编码器与运动解码器结合,直接从非侵入脑电信号生成连贯、逼真的全身运动序列。研究通过多模态对比学习显示,非侵入脑电嵌入可有效与文本、视频和运动表征对齐,以解码高层语义。研究者称这是首个从非侵入脑信号生成多样化全身运动的工作,为非侵入脑机接口走向生成式交互提供了新方向。
少样本校准把功能连接准确率拉到0.77,为个性化情感脑机接口铺路
两网络接力解码运动想象脑电,两个数据集上表现稳健
该预印本2026年8月13日上传至arXiv,提出一种把卷积神经网络与双向长短期记忆网络结合的混合深度学习架构,用于运动想象脑电信号解码。研究者指出,运动想象脑机接口被视为在大脑与外部设备之间建立灵活通信通路的可行途径,但脑电记录噪声大、与底层脑活动的关系复杂,可靠解码始终困难。在该架构中,卷积网络直接从原始运动想象脑电中学习高层空间与时间表征,双向长短期记忆网络则对所提取特征之间的时间依赖关系建模。研究者在一个公开数据集和一个自行采集的数据集上评估该方法,报告其在二分类与三分类运动想象任务中均表现稳健,并展现出跨被试解码的潜力。该研究为预印本,尚未经过同行评审。
台中荣民总医院完成BCI控制外骨骼步行训练卒中康复临床试验
已完成的随机对照试验比较了BCI控制与常规外骨骼步行训练对卒中患者的康复效果,每周训练2次持续4周。
23种深度学习架构同台测耳部脑电,FBLightConvNet最准
SSVEP脑机接口出实验室难在哪,综述列出瓶颈与解法
综述分析了SSVEP-BCI系统从实验室到实际应用面临的技术、硬件和用户层面瓶颈,总结了EMG融合去噪、新材料海绵电极和混合范式等解决方案。
脑机接口运动想象脑电分类新方法准确率达94.8%
研究者提出结合离散小波变换和chirplet变换的运动想象脑电分类方法,在CBCIC数据集上准确率达94.8%,响应时间1.03秒。
闭环脑电神经反馈干预心理健康,综述梳理技术与应用现状
Nature旗下《科学数据》发布儿童青少年SSVEP脑机接口数据集
研究者发布了一个面向儿童和青少年的稳态视觉诱发电位脑机接口数据集。
从诊断视障到人工视觉,综述盘点脑机接口在眼科的进展
人机边用边互学,在线运动想象解码准确率最高提升9.7%
研究者提出基于博弈论的自适应人机联合学习方法用于在线MI-BCI解码,14名受试者在线实验准确率分别提升9.7%和5.6%(p<0.01)。
同一只手的精细想象也能分清,CLMT-Net准确率约76%
研究者提出基于多尺度Transformer的对比学习网络CLMT-Net,用于同一肢体内细粒度运动想象解码,在MI-2数据集上准确率达76.13%。
俄罗斯做出软硬一体脑机接口,机器人控制准确率60-65%
俄罗斯研究人员开发了一套集成化的脑机接口系统,支持同步和异步两种操作范式,使用基于脑电信号的控制命令实现对机器人设备的优化控制,并经过实验验证显示可达到 60-65% 的识别准确率。
瓦博科技把非侵入式脑机接口搬进ChinaJoy,现场生成超100幅AI画作
瓦博科技2026年8月7日在官网通报,其在2026年7月31日至2026年8月3日的ChinaJoy 2026期间,于骁龙馆连续四天运营神经艺术体验,与参与者共同生成超过100幅AI画作。参与者佩戴非侵入式脑电头带,观看由自身信号状态生成的画面反馈,任务相关的信号特征作为画作生成的输入之一,公司称体验不读取私人想法。现场将瓦博科技的信号采集硬件与搭载骁龙X Elite平台的笔记本配对,信号处理、模型推理与图像生成均在端侧完成。公司称,连续面向不同观众运行为设备布置、信号质量、延迟与交互设计提供了实际观察,用以检验神经意图流程在受控开发环境之外的表现。
P300脑机接口走进课堂:格拉纳达大学用脑电读出学生默想的数字
双模块轻量级架构让EEG实时步态解码端到端延迟达70.5ms
该预印本提出一种用于实时EEG步态解码的双模块轻量级架构,旨在实现下肢外骨骼的闭环控制。研究者称,现有基于EEG的闭环控制受运动伪影和低信噪比限制,其双模块设计将任务拆分,前端PolyTVL将32通道EEG压缩为紧凑表示,后端LSTM对4个步态相位(站立、启动、执行、终止)进行分类。研究显示,闭环部署中v01(PolyTVL+LSTM)的步态启动成功率为55.3%(Rex辅助)和52.7%(自主),平均端到端处理时间70.5ms(±41.5)。作者称该手稿已被IEEE MLSP 2026接收发表。
BrainPatch 神经调控头戴设备获 FCC 认证
非侵入式神经技术公司BrainPatch于2026年8月3日在其官网博客发布公告,宣布已成功完成美国联邦通信委员会(FCC)认证,公司称这是其国际扩张的一个重要里程碑。公告称,FCC认证确认其技术符合美国监管要求,BrainPatch的非侵入式神经技术由此获准在美国市场进行商业分销,可以面向美国客户、合作伙伴与投资者交付。公司表示,美国是全球最大的消费市场,完成认证让公司距离把非侵入式神经技术交到客户、合作伙伴与投资者手中的目标又近了一步。公告最后以“下一章开始了”作结,公司称获得这一市场准入,是公司国际化的新起点。
三路线分数融合让EEG图像检索Top-1准确率达73.5%
该预印本提出CORTIVA,一个用于EEG与MEG到图像检索的候选分数融合框架。研究者称,不同于现有方法先将异构视觉监督压缩为单一嵌入再排序,CORTIVA让三条解码路线对齐到异构视觉目标、独立为同一候选库打分,仅在排序前合并温度缩放的分数向量,从而保留互补证据。研究显示,在200选1的THINGS-EEG2基准上,CORTIVA在10名被试上达到Top-1准确率73.5%、Top-5达95.3%,超最强已报告基线10.3和5.4个百分点;用模态特定神经编码器时,同一融合原则在THINGS-MEG上达到Top-1为42.4%。该研究为预印本,尚未经过同行评审。
2026 年 7 月
两阶段LLM智能体EasyBCI让BCI预处理覆盖6类信号
该预印本提出EasyBCI,一个两阶段LLM智能体,为6类信号规划并执行预处理管线。该研究为预印本,尚未经过同行评审。研究者称,Plan Agent把每条记录画像为纯文本数据指纹,不向模型暴露原始数据,并选择有文献依据的算子序列,Execution Agent生成、运行并自我修正代码,直至满足质量标准。在固定线性分类器的EEG评测中,五个EasyBCI骨干比人工管线保留更多任务相关可分性。作者称,EasyBCI扩展到5种额外模态,采样率跨度近三个数量级,产出带决策溯源的完整可复现管线。
阿威罗大学注册虚拟现实脑机接口脊髓损伤康复研究
阿威罗大学(Aveiro University)注册了一项临床研究(登记号NCT07732868),评估基于虚拟现实(VR)的脑机接口协议对脊髓损伤患者的影响,该协议结合VR、感官反馈(视觉、听觉、触觉)和/或外骨骼。研究中受试者每周接受1次监测,共12次、每次约1至2小时,通过运动想象在VR中移动虚拟化身,并以非侵入式EEG记录脑活动,重点关注与脊髓损伤康复中临床改善相关的脑活动变化,同时刻画不同脑区间的信息传递动态。研究还收集受试者的年龄、性别及损伤水平、类型、损伤后时间、功能分级与神经病理性疼痛等信息。该试验目前处于登记阶段,尚无临床结果。
BrainAccess 桌面应用大更新:新界面与 AI 助手 Jena
非侵入脑电同时解码运动学与动力学,注意力模型R²达0.8
一项预印本研究提出三种回归模型(偏最小二乘回归器、多层感知机和基于注意力的回归器)从EEG信号同时解码抓取与抬举任务的多个运动学与动力学参数,并在WAY EEG GAL数据集上进行受试者特定与受试者无关评估,比较所有参数共用一个模型与每参数单独建模两种策略。研究者称,基于注意力的回归器取得最佳性能,R²为0.8、延迟29.2毫秒,显著改善多参数同时解码,但单参数解码时性能下降;多层感知机在两类解码中表现更一致但准确率较低(R²=0.49)。研究者认为,基于注意力的模型对实时多指令脑机接口系统有潜力,有助于开发更直观的控制设备。该研究为预印本,尚未经过同行评审。
脑机接口结合正念或神经调控能否增强老年人注意力?德克萨斯大学启动临床研究
德克萨斯大学奥斯汀分校在美国临床试验注册平台登记了一项研究,探索基于脑电(EEG)的脑机接口(BCI)实时解码P300事件相关电位,并结合正念放松或经颅电刺激等非侵入干预,能否增强健康老年人和轻度认知障碍(MCI)患者的注意力与记忆神经标记,这些标记被视为认知储备的代理指标。研究处于招募阶段,旨在验证通过靶向调控注意力相关脑活动来支持认知储备的可行性。
从脑电波猜你在看什么:图片的信号比文字好认得多
加州大学欧文分校的研究者提出一套用脑电研究类别表征的任务与分析流程,并在30名受试者身上验证。受试者观看分属5个类别(动物、工具、食物、场景、交通工具)的图像与词语,并在连续出现同类物品时作出反应;研究者在个体内训练支持向量机进行分类。结果显示图像试验与词语试验都能达到显著的类别分类准确率,但图像试验明显更高:图像的所有类别两两之间均可统计区分,词语则仅有一对可区分。电极层面的分析表明,顶叶与左颞电极对图像分类的贡献大于额叶与右颞电极。该预印本2026年7月26日上传至bioRxiv,尚未经过同行评审。
全球儿科脑机接口临床试验仅11项,儿童在BCI研究中或未获足够重视
一项基于注册库的横断面分析显示,全球儿科脑机接口(pBCI)临床试验仅有11项,覆盖7个国家,其中8项评估非植入式设备、3项评估植入式系统。非植入式试验中位入组29人、中位持续56天,植入式试验中位入组8人、中位持续365.3天。仅4项研究只纳入儿科受试者,其余同时招募成人和儿童。研究者指出,当前pBCI临床研究范围有限,儿童在BCI研究中可能未得到充分优先考虑。