非侵入式脑机接口

波兰研究团队只用了脑电头环上的两个枕叶电极（O1、O2），就把眨眼、左扫视、右扫视和中性状态四类眼动事件区分开来，测试准确率72.37%。做法不是训练一个更强的模型，而是把四个一维卷积网络拆成二分类专家，再用堆叠泛化让一个元分类器解决专家之间的冲突。有意思的是，单独表现最差的弱专家，组合起来反而效果最好。发布这项工作的Neurotechnology是一家脑电硬件厂商，旗下BrainAccess品牌做消费级脑电头环，HALO是它的四通道便携头环产品，配套软件免费提供。眼动追踪通常需要专用设备，这项研究说明消费级脑电头环的两个枕叶通道也能读出眨眼和扫视。但数据只来自4名健康参与者、共1,284个样本，离替代眼动仪还有距离。

把脑电直接翻译成自由文本，一直被视为非侵入式脑机接口最有想象力的方向。但一项针对多个已发表解码器的测试发现，把真实脑电换成随机噪声后，部分模型仍能输出流畅句子，成绩与用真实脑电时相当，说明语言模型可能承担了大部分工作。该领域随后把噪声基线测试和无教师强制解码列为新的验证惯例，同时用脑磁图作对照，量化了脑电与更清晰信号之间的差距。

研究团队用一块8通道OpenBCI Cyton板、一顶按国际10-20系统布置的脑电帽和一台Meta Quest 2头显，采集运动想象与注意力信号，在信号稳定时用EEGNet模型做到最高90%的受试者特异性在线分类准确率。研究面向注意缺陷多动障碍（ADHD）的认知控制训练，把脑电传感器整合进虚拟现实严肃游戏，目标是让使用者实时控制心理状态；此前方案多用多通道系统，硬件复杂，且未把运动想象与注意力水平结合起来。研究同时记录了高阻抗、通道饱和与头显绑带机械张力带来的伪迹，说明低成本配置要真正可用，先得管住皮肤电极阻抗和机械干扰。这是一项单例可行性研究，未做临床评估。

开车时想着往左打方向盘还是往右打，能不能从脑电里读出来？武汉理工大学等单位的研究团队设计了一种贴近真实驾驶的运动想象范式：受试者只想象用右手转动方向盘，向左或向右。运动想象指不实际动手、只在脑中演练动作，大脑运动区仍会出现可测的节律变化。团队用一台仅有8个电极的低成本OpenBCI设备采集了12名受试者的脑电，发现左右转向想象在头顶中央区域产生可区分的信号模式。他们开发的SMB-TCSAN解码模型在转向方向数据集上取得66.80%的平均分类准确率。研究者称这只是初步验证低成本、少通道设备的可行性，距离辅助驾驶应用仍有距离。

主动式脑机接口靠用户在脑中想象动作来发指令，无需身体实际运动，但常用的运动想象只能区分少数几种状态，可用指令有限。加拿大纽芬兰纪念大学电气与计算机工程系的研究人员让受试者同时做两件事：一边想象唱歌，一边想象动单手或双脚，称为双意象任务。研究团队记录14名健康参与者的脑电，用滤波器组共空间模式提取特征、正则化线性判别分析分类。结果显示，这类叠加想象能与各自的单一想象及静息状态区分开：3类和4类分类准确率最高达64.1%和63.0%；扩展到7类和8类时，平均准确率约55%和50%，远高于14.3%和12.5%的随机水平。作者坦言，这一准确率还不足以支撑实用的多指令脑机接口，但证明了组合想象这条路可行。

受试者做动作和只在脑中想象动作，脑电信号能不能被机器分开？一项预印本研究用随机森林算法在消费级和研究级脑电系统上做了测试，结果显示算法能区分两类活动，还能判断出对应的是身体哪个部位。脑电是理解大脑与人体运动相关电活动的基础工具，脑机接口正是利用这类电活动开发辅助技术，尤其是面向身体残障人士的技术；但从脑电信号中提取特征和模式仍然复杂，因此常交由机器学习算法处理。研究同时指出，不同人之间的脑电差异会拖累分类准确率，这意味着同一套模型换个人用，效果可能就打折扣。该研究为预印本，尚未经同行评审。

瓦博科技展示了用脑电信号参与AI图像生成的Dreamer（灵梦）体验：观众佩戴头带，查看脑电反馈，并参与生成图像。据公司介绍，设备采集脑电信号后，由系统处理和分析，再将分析结果作为AI图像生成的条件。这并非直接还原参与者脑海中的画面。在中国联通合作伙伴大会的高通展位，工作人员引导观众佩戴设备并完成体验，脑电显示与生成作品分别呈现信号采集和创作输出两个环节。此次展示属于面向公众的产品交互体验。