混合脑机接口让下肢外骨骼摆脱拐杖
一套混合脑机接口在10名受试者实时行走实验中替代下肢外骨骼的拐杖控制，SSVEP平均分类准确率达95.06%，眨眼与咬牙开关的F1分数分别为99.80%和99.22%。该系统结合稳态视觉诱发电位脑机接口与眨眼、咬牙触发的异步生物信号开关，由SSVEP选择运动模式，眨眼执行、咬牙取消指令。与拐杖控制相比，该方法系统可用性量表得分78.25对53.50，NASA任务负荷指数体力需求3.15对7.85。
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 9 月
脑机接口训练纵向数据集公开，含19名受试者的MEG与EEG多模态记录
一支法国与美国的研究团队公开了名为NETBCI的纵向多模态数据集，用于研究脑机接口训练过程中的脑网络重组。作者称，控制脑机接口至今仍是一项需要习得的技能，相当一部分使用者在多次训练后依然无法掌握，造成这种个体间差异的原因仍是开放问题。NETBCI收录19名健康受试者的脑磁图（MEG）与脑电图（EEG）记录，每人在4个不同日期完成4次实验。每次实验包含2段各3分钟的睁眼静息态记录，以及6轮脑机接口任务，受试者通过持续的右手运动想象或保持静息来控制虚拟光标的位置。数据集另含匿名化的磁共振影像与行为学评分。作者称，希望这套数据的样本量与模态数量能供研究者用于脑网络重组之外的更多分析。
篮球运动员想象投篮时脑电反应更强，研究提示神经反馈训练需因人而异
同样是在脑海里想象动作，篮球运动员和普通人的大脑反应并不一样。研究人员用脑电记录了17名篮球运动员和16名新手想象投篮与搬箱子时的感觉运动节律变化。这种节律在想象动作时会减弱，常被当作运动皮层参与程度的指标。结果显示，只有运动员出现了显著且持续的减弱，想象罚球时尤其明显。但在运动员内部，想象能力越强，这种减弱反而越小，可能意味着大脑用得更省力。研究者据此认为，用脑信号做神经反馈训练时，目标不能一刀切，要看训练者的运动专长和想象能力。该研究为预印本，尚未经同行评审。
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
非侵入式脑机接口改善卒中后上肢康复：72项随机试验的网状Meta分析
XR环境下深度学习模型提升SSVEP脑机接口分类性能
大语言模型纠错脑机接口打字时会"偷换意思"，20个模型基准测试量化了这一风险
用大语言模型帮脑机接口用户纠正打字错误，纠出来的句子可能通顺但意思已经变了。研究团队称这种现象为"意图漂移"。在模拟P300拼写器输出的基准测试中，20个开源模型在字符错误率为0%时，意图漂移率为2.2%；错误率升至40%时，漂移率飙升至60.3%。模型自身的置信度能在一定程度上区分正确与错误输出（AUROC 0.83），但28.4%的高置信度输出实际上并不忠实于原意。涉及药物剂量等临床关键信息的句子比普通句子更容易漂移。六种纠错策略均无法消除漂移：保守策略能降低漂移，但最好的策略每100次纠正仍有18次出错。该研究为预印本，尚未经同行评审。
新加坡国立大学医院启动Lifescapes脑机接口卒中后手部康复试验
新加坡国立大学医院登记了一项临床试验（NCT07784920），评估基于脑电图的脑机接口系统Lifescapes对卒中后手部运动功能恢复的效果。该试验计划招募32名受试者，当前状态为尚未开始招募。Lifescapes结合运动想象训练、生物反馈、神经肌肉电刺激与机器人辅助，旨在帮助严重手部瘫痪的卒中患者。此前一项涉及40名患者的临床试验显示该系统可改善运动功能。试验将比较减少治疗师监督下的Lifescapes疗法与常规康复的效果，并评估其在新加坡本地临床环境中的可行性。
47名渐冻症患者数据显示，P300脑机接口4.4%的拼写选择由语言模型改判
P300拼写器是渐冻症（ALS）患者常用的脑机接口通信工具，近年来研究者开始将大语言模型作为语言先验集成到系统中以提高拼写准确率。然而，准确率本身无法揭示最终输出究竟来自患者的脑信号还是语言模型的预测。一项回顾性研究对47名渐冻症患者的3373次P300拼写选择进行重新解码，将重建的神经后验与25种语言先验（从5-gram到467亿参数模型）融合后发现：语言先验平均贡献了8.6%的后验位移，神经信号贡献比例为0.914。在4.4%的选择中，融合系统输出了患者预期的字符，而仅凭神经证据本不会选中该字符。21种神经语言模型的结果相似。该研究为预印本，尚未经同行评审。
德国团队用脑电微状态序列解码左右手运动想象，迁移学习后准确率约89%
大脑活动可以被概括为少数几种短暂稳定的“脑电微状态”，它们按时间先后排成序列。德国研究人员尝试用这类序列充当脑机接口的“开关”：让受试者想象左手或右手动作，再用深度学习模型从微状态序列中判断想的是哪只手，把分类结果作为触发指令。借助迁移学习，模型在跨会话或跨受试者的场景下，分类准确率峰值约为89%。要达到80%的准确率，平均约需400秒校准。研究者认为，这一思路有望减少使用前的校准负担。该研究为预印本，尚未经同行评审。
眼动加运动想象混合脑机接口，16通道脑电下准确率达100%
运动想象脑机接口一直有两个老问题：不同人之间差别大，能分出的指令少。这项研究让使用者先用眼睛看目标完成选择，再用想象动作确认，把两步合成一步。15名健康参与者、16通道脑电的测试中，混合范式在所有通道配置下都优于单纯运动想象，最高准确率达到100%。研究还发现，注视目标本身能让脑电反应更稳定，这为减少电极数量、降低设备门槛提供了依据。
脑控机械臂更听话了：新方法2秒分辨你“想不想动”
异步稳态视觉诱发电位（SSVEP）脑机接口在真实控制中潜力很大，但脑电信号与固定相位模板之间的相位偏移常拖累性能。研究者观察并验证了相位滑动振荡现象，据此提出异步分类方法PSO-AC，把脑电重构为不同初始相位的序列，经同步压缩小波变换提取相位解耦特征，再由概率时序模型区分控制与非控制状态。离线实验（22人）中，2秒数据下平均判别准确率达94.2%，优于现有基线；9分类任务在不同时间延迟下也保持优势。在线机械臂实验中，每次成功试验的命令成本从4.30降至1.14，指令触发更稳定、控制效率更高。论文2026年8月21日发表于《国际神经系统杂志》。
800名大学生调查：老师支不支持，比技术好不好用更能左右使用脑机接口的意愿
脑机接口治中风？疗效还达不到“显著改善”
一项纳入43项随机对照试验、1628名受试者的Cochrane系统评价显示，与常规康复相比，脑机接口训练可能小幅改善卒中后上肢运动功能（均数差4.67，95%置信区间2.25至7.09；10项研究、611名受试者），但对下肢功能几乎没有差别，对日常生活活动能力的影响很不确定；与假脑机接口对照相比，各项指标均未见明确差异。作者强调所有比较的证据确定性均为低到极低，主要受偏倚风险高、样本量小和潜在发表偏倚拖累。该评价2026年8月21日发表于《The Cochrane Database of Systematic Reviews》。
同时读脑电和脑血流：EFS-Net做到超8成心算识别准确率
华东理工大学等机构的研究者提出名为EFS-Net的端到端融合网络，把脑电与功能性近红外光谱两种信号在多个尺度上对齐融合，以克服单一模态解码的局限。网络设三条互补分支：多尺度时间卷积分支捕捉脑电快速变化的皮层电生理特征，脑电空间分支构建经延迟补偿的皮层地形图以适配近红外较慢的血流动力学响应，空间校准的近红外分支把空间特征图与脑电对应特征动态融合。在词语生成和心算两个公开数据集上，采用逐被试留一次会话交叉验证，准确率分别为77.71%±8.23%和81.69%±9.49%。该研究2026年8月21日发表于《Cognitive Neurodynamics》。
运动代替闪烁刺激，新型脑机接口四目标准确率85.67%
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。
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
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。
南方联邦大学记录22人方向词脑电，分类测试区分三种状态
南方联邦大学记录22名健康志愿者出声和默念方向词时的脑电，其中12人为俄语母语者，10人为西班牙语母语者。两组均涉及六个方向词，俄语组另做“下一个”指令。采用38个电极、500Hz采样，并在6人中同步记录发音相关肌电。随机森林78±4%的结果来自按参与者进行的五折交叉验证，区分休息、出声和默念三种状态，不是六个词的识别准确率。按键、肌肉活动与任务顺序等因素仍需在后续分析中控制。
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。
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。
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
23种深度学习架构同台测耳部脑电，FBLightConvNet最准
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。
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
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。
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。
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%。