论文发表

墨尔本大学研究人员让一名植入Stentrode血管内脑机接口的参与者尝试手写英文字符，利用脑信号随时间变化的轨迹进行离线和在线分类。在4次在线测试中，每次包含每个字符20-30次试次及80-180次休息试次，表现最佳的3分类模型平均休息召回率为87%，字符召回率和精确率分别为65%和59%。研究还发现，将各试次调整为相同时长后，分类表现显著优于直接使用原始试次。结果支持进一步研究时间信息在运动解码中的作用，但目前仅来自一名参与者和少量类别。

布法罗大学作者评估脑机接口与眼动追踪结合的辅助沟通系统。眼动先缩小目标范围，再由脑信号确认选择；实验报告其选择速度快于单独脑机接口，控制表现优于单独眼动，并减少误选和纠错负担。

南洋理工大学研究者将脑电与肌电的时序关系融入手势识别网络。在12人和20人两个数据集的跨使用者测试中，准确率分别为87.6%和89.2%，比最强对照方法高9.4和9.1个百分点。适应新使用者时无需带标签的个人数据，研究对象为健康年轻成人。

加州大学旧金山分校和伯克利分校作者在《Neuron》发表评论，介绍闭环连续强化与感觉反馈如何共同影响人机接口的控制学习。文章涉及脑机接口、增强现实设备和手部假肢，重点是使用者如何学会控制这些系统。

埃塞克斯大学团队记录14名参与者根据语言线索检索概念时的脑电，比较食物、乐器和身体部位三类概念。三个两两分类任务的平均准确率分别为73.4%、70.7%和68.2%。模型先用其他人的数据学习，再用待测参与者自己的带标签数据校准。

浙江工业大学团队提出MOPC，让运动想象脑电解码器在接收新信号时调整参数，无需重新访问原训练数据。作者报告，在BCI IV IIb和OpenBMI上的性能分别比先前方法提高2.22%和3.67%，每试次自适应耗时约40至60ms。arXiv页面注明论文已获《IEEE Transactions on Instrumentation and Measurement》接收。

印度理工学院德里分校、全印度医学科学研究所和昆士兰大学研究人员记录10名健康受试者在5种阻力下完成弯举时的脑电。受试者内留一试验评估的分类准确率为97.2%，跨受试者评估最高为93.0%，错误主要出现在相邻阻力之间。

Araya Inc.与Sincxpress Education SRL研究人员分析了利用超高密度脑电预测口语单词的模型，考察解码依据是否来自神经活动，而非说话时的肌肉电活动。结果显示，各电极对解码的贡献无法用其与肌电的互信息解释；脑电解码依赖的时段也不同于仅使用肌电的解码。有声言语与极轻微外显言语的脑电解码贡献时段存在部分重叠。在所有言语条件下，去噪均增强了言语相关脑区电极对解码的贡献。作者据此认为，适当预处理有助于利用脑电中的神经活动解码口语单词。

一篇综述梳理了植入式脑机接口基底材料的演变：从硅等刚性材料，到可弯曲但不易拉伸的聚合物，再到本身能够拉伸的弹性体。作者关注的核心问题是，微电极与柔软脑组织的力学性质不匹配，可能持续损伤组织并引发异物反应，影响长期使用。综述重点讨论电纺纳米纤维微电极：这类结构不仅能够拉伸，还具有相互连通、通透性较高的三维网络。作者认为，这有助于应对致密薄膜对物质交换的限制。文章同时讨论高密度制造、生化调节及摆脱外部连线的集成方向，并非新器械的人体疗效验证。

牛津大学团队比较6种重复信号聚合方法，在7个场景中有6个由训练时分类分数平均领先。主要音素比较合并100次同类试验，公开测试集上复测的平衡准确率为64.1%，比冠军模型高17.4个百分点。实验使用脑磁图记录，研究为预印本。

墨西哥国家康复研究所与国家理工学院高等研究中心作者综述脑机接口认知康复研究。已有文献报告轻度认知障碍、脑卒中和注意缺陷多动障碍人群的认知改善，但随机对照试验较少，综述所涉应用均为非侵入式脑电系统。

西安交通大学等机构团队开发E-STACNet，在同一网络中处理脑电通道的空间关系与时间变化。在BCI Competition IV 2a和Giga DB上的平均准确率分别为88.00%和80.62%；DEAP情绪效价与唤醒度分类分别为96.49%和96.46%。

内布拉斯加大学林肯分校与奥马哈分校研究人员在24名8至13岁神经典型儿童中比较三种沟通界面。场景界面与标准网格的脑机接口离线预测表现相近，儿童认为场景更具视觉吸引力；布局和背景也对应不同的脑电反应。

华中科技大学提出KDHNet，将解析信号处理与神经网络结合，用于校准数据较少时的SSVEP视觉脑电解码。在三个公开数据集的受试者内比较中，15个分析窗设置中的14个及全部10个校准比例设置，其平均准确率和信息传输率在所比方法中最高。跨人评估位列第一或第二，但对齐仍需目标受试者每类一个带标签试次。结果来自数据集实验，不能视为零校准系统已验证。

同济大学、蚂蚁集团和上海交通大学等机构作者提出NeuroAct脑电研究智能体。在经验复用实验中，BCIC-IV-2a平衡准确率从34.66%升至50.81%，大语言模型词元消耗减少64.02%。研究还评估通用分析、跨任务优化、单任务研究和协作预测，成果以预印本发布。

研究团队提出了一种运动想象脑电分类框架，在两个竞赛数据集上测试，并部署到NVIDIA Jetson Nano。按受试者依赖协议评估时，该方法在BCIC III IVa和BCIC IV 2a上的准确率分别为93.67%和79.14%；采用留一受试者法、测试对未参与训练者的泛化能力时，平均准确率分别为76.49%和55.50%。设备部署测试还报告了完整处理流程的延迟和吞吐量。这些结果展示了数据集分类表现及设备运行速度，但不能据此认定该方法已能改善运动障碍。

研究团队提出TriRouter框架，针对脑电通道稀少或受损时的运动想象分类问题，根据可用通道分配不同处理路径的贡献。在BNCI2014-001数据集上，相比研究中最强的受损脑电基线方法，该框架在名义缺失比例为25%、50%和75%的设置下，准确率分别提高3.68、4.02和6.46个百分点。作者还报告，该方法在按区域成组缺失通道及额外的低通道数数据集评估中仍有效。这些结果来自数据集评估，不能直接等同于实际使用中的脑机接口表现。

研究团队提出名为BEST的两阶段方法，将神经活动转换为文字，探索语音脑机接口是否必须依赖大模型。在Brain-to-Text '24和'25两项基准测试中，该方法的词错误率分别为6.19%和1.62%，参数量仅为可比方法的3.85%。词错误率衡量输出文字相对参考文本的错误程度，数值越低表示错误越少。作者的分析认为，扩大解码器并不总能带来更好的表现，神经信号、语音与文字之间的对应关系比模型大小更关键。这些结果属于基准测试表现，不能直接等同于日常交流效果。

残障人士的收入越高，对脑控书写笔的购买意愿和价格接受度也越高，研究发现两者均与收入呈显著正向关联，年龄整体上则未呈现显著关联。电池续航和头戴式设计与更高购买意愿相关，重量和识别准确率则与价格接受度正向关联，但不能据此认定更轻或更重更受欢迎。价格接受度随价格上升而逐步下降，在低于1000元的区间最高。分组分析还发现，不同年龄和收入群体关注的产品特征有所不同。这些结果反映购买偏好，不代表产品已实现相应性能或获得临床疗效验证。

把脑机接口计算从云端移到设备端，仍需在能耗、响应延迟和准确性之间取舍。一篇系统性综述梳理了用于脑机接口的边缘AI加速器，强调算法与芯片应协同设计：既要减少模型计算负担，也要降低数据搬运带来的开销。综述讨论了算法压缩、存内计算和类脑计算架构等路线，并将设备端自适应学习列为应对不同使用时段神经信号变化的重要机制。作者还提出结合隐私保护硬件与多模态传感器融合；这些属于技术发展方向，并非已经验证的临床效果或安全性结论。

运动想象脑机接口通过解码想象动作时的神经信号，让大脑与外部设备通信。一篇综述梳理了这类技术在卒中、脊髓损伤及虚拟现实康复中的应用，重点讨论其与脑电、神经反馈、功能性电刺激、机器人设备和人工智能的整合。文章指出，信号中有效信息相对噪声较弱、个体差异较大及训练耗时较长，仍是应用面临的难题。作者将深度学习、可穿戴设备、个性化康复方案和临床验证列为后续发展方向。文章属于技术与应用综述，不是一次新的临床疗效试验。

研究人员开发了一种包含24,576个电极的可重构微电极阵列芯片，在同一硬件平台上支持神经递质相关的化学传感和神经电流记录。实验展示了单电极电化学传感、配制溶液中的多巴胺定量检测，以及动态电化学成像；研究还从原代神经元记录到自发的细胞外生物电流。化学记录和电记录分别支持24和384个同时输出通道，并非全部电极同时读出。作者认为，这一平台可用于研究生物神经网络中化学信号与电信号的相互作用；现有结果属于样本和细胞层面的验证。

研究人员提出一种上肢运动想象脑电解码框架，在三个数据集上检验模型对不同受试者的适用性。该方法结合电极之间的连接关系、人工设计的时频特征和空间、时间特征学习。在PhysioNet数据集的三个上肢类别任务中，使用5个电极时，留一受试者验证准确率为96.01%；在BCI IV-2b数据集上，使用3个电极时，同一验证方式的准确率为93.35%。作者报告，该方法与代表性图方法相比表现具有竞争力，同时需要更少的可训练参数和脑电电极。这些结果来自数据集评估，不等于已验证在线控制或临床应用效果。

把植入体设计成由活细胞组成的功能性组织，而不只是连接神经的电极，是一篇视角论文提出的神经假体构想。作者将其称为Cybertissue Neuroprosthetics，目标是让植入体与宿主神经系统在结构和功能上整合，实现长期神经调控与信息交换。该构想可按需加入少量纳米电子器件、纳米材料或基因修饰，并尝试减少异物材料、利用细胞自身的信号机制。作者希望借此应对长期植入中的界面退化问题，但“终身整合”仍是目标，不是已经实现的器械性能或临床结果。