论文发表

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。

英属哥伦比亚大学团队在bioRxiv发布开源基准BEND-BCI，横向评测23种神经解码方法，覆盖运动、视觉、言语和空间四类任务，跨16个真实或合成神经记录。该基准除留出预测准确率外，还比较对输入扰动的稳健性、计算成本和跨记录潜在表征一致性。加入这些维度后，解码器排名经常改变，留出准确率不能可靠识别最稳健、最省算力或跨记录最一致的模型。较简单的基线方法与参数量大得多的深度网络相当，某些情况下甚至更优。作者据此提出，解码器选型应从准确率排行榜转为在任务、资源、表征与诊断目标之间的约束决策。该预印本2026年7月26日上传至bioRxiv，尚未经过同行评审。

研究者称，多会话运动想象EEG信号分类框架ATCNet-CIAM于2026年7月26日以预印本形式上传至arXiv，尚未经过同行评审。基于运动想象的EEG被广泛用于非侵入式脑机接口，但跨会话与跨被试的稳健解码仍是核心挑战。ATCNet-CIAM结合时间卷积、通道注意力与CIAM模块做多会话运动想象EEG分类。研究者称，标准协议下ATCNet-CIAM在BCI IV-2a达到86.32%准确率、在BCI IV-2b达到87.96%，WBCIC-MI被试内2类与3类任务分别达到89.46%和83.64%；该稿已被ISRSD 2026会议接收。

一项预印本研究提出一种基于条件流匹配的自适应EEG生成框架，用于缓解脑机接口应用中的数据稀缺并支持大规模神经建模。研究指出，既有流式方法假设样本内各通道与各时间段共享单一全局时间进程，忽视了并非所有EEG时刻都同等重要；该框架引入位置自适应时间调度，跟踪逐位置重建误差以调节流匹配轨迹中位置特定的时间进程，并整合分解时空注意力与频率对齐的多分辨率谱一致性损失，以建模体传导引起的跨通道依赖并补偿EEG的幂律谱偏差。在三个采集协议与任务语义不同的EEG数据集上，该框架一致优于最强基线，将TS-FID最高降低62.2%，下游分类准确率提升最高6.77个百分点。该研究为预印本，尚未经过同行评审。

研究者称，一项关于贝叶斯完全池化用于跨被试运动想象EEG分类的大规模研究于2026年7月25日以预印本形式上传至arXiv，尚未经过同行评审。脑机接口长期追求免校准运行，但分类器通常只按判别能力评测，忽视预测概率是否校准良好。该研究在20个数据集上比较贝叶斯完全池化模型与频率学派基线，做跨被试左手对右手运动想象EEG分类，6条频率学派管线各配对一条特征工程相同、用MCMC后验采样拟合的贝叶斯管线。研究者称，贝叶斯完全池化带来统计显著但非实践显著的可靠性改善和预测不确定性增加，Brier分数、分辨力与判别无显著差异，贝叶斯管线能耗约为频率学派管线的13倍。

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。

研究团队开发了一种处理多通道发作间期颅内脑电的深度学习架构，用于在不依赖发作期记录和人工标注的情况下定位致痫区。模型结合Morlet小波时间Transformer编码器与空间注意力编码器，在7个独立中心的50.5小时数据上评估，覆盖161名患者和17,012个通道。留一中心交叉验证得到汇总AUROC为0.778，95%置信区间为0.748至0.808，各留出中心的区分能力均高于随机水平。结果显示，跨中心、跨植入方式的表现与既有电生理基线相当，但仍需前瞻性临床验证。该研究为medRxiv预印本，尚未经过同行评审。

研究者称，动态人脸重建的几何引导神经解码框架fMRI2Face于2026年7月24日以预印本形式上传至arXiv，尚未经过同行评审。研究发布全高清fMRI视频数据集fMRI-Face与几何引导神经解码框架fMRI2Face，均面向从fMRI重建动态人脸的问题。研究者称，fMRI2Face从脑活动中派生两个互补神经控制量，即脑源外观上下文与可变形3D面部控制，并通过带辅助潜变量补全的神经控制视频扩散，实现从脑活动直接重建高保真面部视频。

传统听觉频率辨别测量依赖受试者的主动行为反应，易受主观因素干扰。基于脑机接口技术，研究者设计了个性化快速序列听觉呈现范式，招募11名健康参与者，提出多尺度时空双注意力网络（MS-STAMNet），用于弱听觉诱发反应的单试次解码。结果显示，MS-STAMNet的平均未加权平均召回率为(69.67±6.12)%，AUC为0.7618±0.07，优于EEGNet和PLNet等基线模型。回归分析显示神经解码与行为表现分离，表明模型能捕捉未触发显性意识的隐性频率偏差特征。

研究者称，一项用fMRI实时重建人类视觉感知的研究于2026年7月23日以预印本形式上传至arXiv，尚未经过同行评审。基于fMRI的实时闭环神经反馈已取得重要科学与临床进展，但实时fMRI的分析方法落后于fMRI解码的最先进水平，主要受计算因素制约，多数先进解码管线无法装进实时处理窗口。研究提出计算密集型最先进管线MindEye2的实时兼容改造版本，并证明该设置下仍可实现可靠的细粒度解码。研究者称，借助开源可扩展云平台RT-Cloud完成一次实时扫描，在图像呈现给受试者后数秒内解码单试次视觉感知，并用模拟分析记录了离线到实时性能变化的驱动因素。

武汉科技大学附属天佑医院团队开展系统综述与荟萃分析，评估运动想象脑机接口训练对卒中后偏瘫患者上肢运动功能的影响。系统综述纳入27项研究，其中24项、共846名参与者进入荟萃分析。与各研究设置的对照条件相比，训练在上肢运动评定和运动功能测试中的改善具有统计学显著性，涉及孤立运动与精细运动控制；对复杂功能活动、日常生活活动及痉挛的影响则未达到统计学显著性。由于各研究的对照条件不同，且包括假干预，现有证据尚不能确定这种训练优于标准化传统康复。

一项预印本研究提出一套可解释指标，分别量化脑机接口（BCI）相关脑活动在时间、空间和频率维度上的变异性，并在两个运动想象BCI数据集（共133名受试者）中考察这些指标与BCI性能的关系，通过受试者内与跨受试者分类实验进行验证。研究者称，在多数条件下观察到-0.2至-0.4的负相关，提示较低变异性与较高BCI性能相关；指标还显示深度学习与基于黎曼的分类器对变异性的稳健性存在差异，前者相关性更弱。该框架可在试验内、试验间与试验组间等多个层级量化变异性，为理解EEG变异性、评估分类器敏感性以及基于变异性设计更稳健的BCI提供了可解释工具。该研究为预印本，尚未经过同行评审。

研究者称，小鼠初级运动皮层以S形状态转换机制编码运动速度，由两个功能不同的神经元群实现，且该框架可扩展到局部场电位（LFP）频带功率。研究用慢性32通道层状阵列记录8只小鼠在电动跑台上的皮层外活动，共5,889个单单元、384通道，无监督聚类将单元分为速度正相关（70.8%）与速度负相关（29.2%）两组，两群共享约2.3米每分钟的速度阈值。解码方面，占少数的速度负相关神经元群经逆S形变换后解码精度显著更高，且跨动物泛化良好。研究者认为该发现为稳定、免标定的脑机接口设计提供启示。

一项新研究提出融合稳态运动视觉诱发电位（SSMVEP）和肌电（EMG）的混合脑机接口，通过并行架构将指令空间从15个目标扩展至60个，多模态信息传输率达62.33比特/分钟，优于单模态最高42.49比特/分钟。研究采用深度学习进行多模态信号解码，在保持分类精度的同时，为严重运动障碍患者提供了更易用的控制途径。

SpikeGadgets的模块化堆叠头级支持跨10个脑区共1024通道的慢性记录，匹兹堡大学的MePhys平台使用992个电极触点覆盖猕猴整个半球，莱斯大学预印本描述了一款定制ASIC支持5376个同步记录通道。

一项病例报告显示，3名偏瘫卒中患者在常规康复之外接受视觉引导脑机接口（BCI）联合功能性电刺激（FES）训练，每周5次、共24次，仅当检测到运动想象相关脑电模式时才触发刺激。干预后，3名患者的上肢运动功能（Brunnstrom分期、Fugl-Meyer评分）和日常生活能力（Barthel指数）均有改善，尤其腕部和手部运动控制。研究作者提醒，这是初步结果，需更大样本的随机对照试验验证。

一项预印本研究评估可微分逻辑门网络（Diff-Logic）作为资源受限脑机接口的低延迟EEG分类硬件方案，将模型编译为纯布尔电路。研究在4个EEG数据集、2类任务（二分类痴呆筛查与3分类情绪识别）上，将Diff-Logic与等容量的多层感知机（MLP）和二值神经网络基线进行对比。研究者称，Diff-Logic在痴呆筛查上取得80.2%的Macro F1，较MLP基线高6.8%；在功耗受限设备上部署时MLP延迟高2.3倍、模型体积大14倍，而Diff-Logic推理时间在模型规模扩大10倍时几乎不变。该研究为预印本，尚未经过同行评审。

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。

Beijing Normal University团队开发了一种重量低于3克的低成本结构光微型显微镜，利用Ronchi光栅与时分复用激发实现HiLo成像，可在自由活动小鼠中进行光学切片。研究显示，该系统能抑制离焦背景荧光，同时保留宽场微型显微镜的速度、视野与可及性，并支持多平面成像以增加可记录神经元数量。在海马记录中，基于感兴趣区域的信号质量和空间信息读取均得到改善。团队还展示了由快速在线信号提取和实时神经解码支持的概念验证闭环脑机接口。该研究为bioRxiv预印本，尚未经过同行评审。

一项预印本研究提出，利用跨被试累计学习和迁移学习，可显著减少脑瘫儿童运动相关皮层电位（MRCP）脑机接口系统的校准需求。研究在4名脑瘫儿童的27次训练中评估了双向长短期记忆网络，发现跨被试累计学习在无需会话内校准的情况下达到91%的准确率，加入迁移学习后准确率升至93%，均优于传统校准策略。

脑机接口已经在恢复运动和沟通上取得进展，但注意力、记忆这类认知功能，解码难度不在一个量级：运动与语言依赖相对局限、稳定的神经表征，认知功能却分布在多个脑区、随时间快速变化。这篇综述认为，长期用于神经和精神疾病治疗的神经调控可以补上另一条路径，通过因果性地调节认知相关环路，已经有了初步的转化应用。作者进一步提出，把信号采集、算法分析和刺激反馈做成自适应的闭环系统，认知脑机接口不仅可能恢复心智功能，还可能成为实时监测并塑造认知的下一代神经治疗技术的基础。文章属观点性综述，没有报告新的临床试验数据。

芬兰Aalto University团队在一项MEG词语启动实验中，把经典N400诱发反应与语义向量解码放在同一框架下比较。25名芬兰语母语者阅读语义相关程度不同的词组后，不相关启动词引发更高的N400反应，并为语义解码器提供了最佳训练样本。研究者称，语义信息从刺激开始后约100至500毫秒均可解码，但在N400峰值过后，脑活动不再稳定映射到与语境无关的语义向量。这项结果提示，N400时间窗结束可能标志着神经表征由词语特异信息转向更广泛语境。该研究为bioRxiv预印本，尚未经过同行评审。

一项预印本研究介绍Dendrite，一个开源的实时脑机接口Python应用（GPL-3.0许可），将多模态生理信号采集、解码器训练与实时推理整合在单一可修改应用中。Dendrite可同时以各自原生采样率记录多路信号并并发执行多种处理模式；解码器可从已训练模型开始或在管线运行期间实时拟合，同一批记录也可用于应用内的离线训练。每次记录、解码器与训练运行均在数据库中追踪，部署的解码器可追溯至其配置与训练来源；实验范式保持外部独立，通过网络与应用通信。研究者在内部与公开BCI数据集上对系统进行端到端验证，训练并实时更新解码器。该研究为预印本，尚未经过同行评审。

一篇bioRxiv预印本用高频伽马ECoG信号检验发现，在GPT-2语境嵌入之上加入surprisal预测因子，对语言理解神经响应的预测力几乎没有额外贡献。

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。