论文发表

脑机接口（BCI）分类器通常需要针对每位用户校准，限制了实际应用。美国科罗拉多大学博尔德分校的研究人员提出一种名为ERP-XTTN的跨注意力架构，在无需校准的条件下实现跨被试的事件相关电位（ERP）分类。在三个公开数据集、八种ERP成分的评估中，三通道设置下其平均AUROC与最佳基线仅差0.025。该研究发表于《Journal of Neural Engineering》。

西安交通大学附属医院与生物医学信息工程教育部重点实验室的研究团队在《Biofabrication》发表研究，开发了一种基于静电纺丝PLCL与喷墨打印还原氧化石墨烯（rGO）/生长因子微图案的体外筛选平台。该平台可同时调控导电、生化和拓扑线索，用于筛选打印层数、喷嘴配置和电场强度。实验显示，150 mV/cm直流电刺激下，PC-12细胞的神经元样突起生长和排列优于无刺激或300 mV/cm条件。

研究团队把CorTec公司的植入式神经传感与刺激设备Brain Interchange（BIC）和开源软件平台BCI2000整合成一套开放的研究系统，用来开发和测试植入式脑机接口与闭环神经调控方法。闭环指设备先读取脑信号，再据此调整刺激。在5只犬身上的长期验证中，最长植入超过3年，系统保持了稳定的慢性记录，也记录到部分通道逐步劣化及其机械原因；植入2年多后仍能解码脑功能。团队还在1名人类参与者身上验证了一维光标控制的可行性，并公开了手术、影像、分析流程和数据。该研究为预印本，尚未经同行评审。

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。

昆明理工大学团队在《生物医学工程学杂志》发表论文，系统分析脑机接口固有局限对能力边界的约束机制。研究指出，神经编码动态性、个体差异、低信噪比、部分可观测性和范式依赖性共同构成能力边界的形成基础，并在神经信息、人因和系统三个层面表现为解码精度、信息传输率、复杂意图解码、用户体验及系统稳定性等的上限。团队提出信息增强、自适应解码、人机协作和系统优化等策略，认为性能提升关键在于增强神经信息利用，而非克服底层局限。该研究为理解脑机接口性能天花板及未来提升路径提供了理论参考。

2025年BCI学会会议与植入式BCI协作社区合作举办研讨会，讨论脑机接口关键试验中临床结局评估的选择、开发与验证。与会者强调患者异质性、缺乏广泛验证的COA，以及需要在家庭和日常环境中捕捉有意义结局等挑战。研讨会为iBCI-CC临床研究终点工作组建立透明流程奠定基础，旨在确定适合特定技术的健康意义方面和关注概念，并促进监管批准与医保覆盖。

脑电信号只有微伏级，眨眼、咬牙、肌肉活动都会混进来。天津大学与天津工业大学的研究人员提出MTGNet框架，在保留下游任务所需信息的前提下压制伪迹：在公开数据集EEGDenoiseNet上，肌电、眼电和混合伪迹的频谱相对均方根误差分别降低18.9%、31.5%和14.0%；在真实疲劳脑电数据集上，分类准确率比未处理输入提高6.20至6.69个百分点。该框架只需0.33M的LoRA参数即可适配新任务，不需要成对的干净脑电参考。

卒中后手功能障碍严重限制患者独立生活，而传统康复对缺乏主动运动能力的患者往往效果有限。基于非侵入式脑电图（EEG）的脑机接口（BCI）通过实时解码运动想象时感觉运动皮层的节律信号，驱动外骨骼、功能性电刺激或虚拟现实设备，形成基于赫布学习原理的闭环反馈，从而强化或重塑受损神经通路，促进运动恢复。一篇发表于《Topics in stroke rehabilitation》的综述系统梳理了该技术的神经生理基础及三种主要康复范式：运动想象结合物理反馈、运动想象结合虚拟或多感觉反馈、以及基于稳态视觉诱发电位（SSVEP）的范式。研究证实这些方法能改善上肢功能，但临床推广仍面临信噪比低、个体差异大及“BCI失明”等挑战。

一个名为LibriBrain100的大型脑磁图（MEG）数据集于2026年8月25日发布，包含超过100小时的高质量数据，其中约80小时来自单一受试者，创下同类数据集中个体内数据深度的新纪录。该数据集旨在为神经语音解码研究提供标准化评估基准，并附带开源工具和在线竞赛。研究团队利用现有解码模型在词分类基准上取得了最先进性能，验证了数据质量和大规模个体内数据的价值。此外，数据集还包含32名受试者每人约40分钟的额外数据，以补偿个体数据不足。

一篇预印本提出了一种名为冯·诺依曼状态空间Transformer（VN-SST）的模型，用于神经解码。该模型在三个运动皮层神经解码基准上比现代Transformer更高效，尤其在数据稀缺的情况下表现突出。

运动疲劳之后，大脑控制动作的区域会发生什么变化？意大利罗马大学的研究团队让20名健康年轻人连续做10组手指敲击任务，并在任务结束后60分钟内用经颅磁刺激（TMS）反复测量大脑运动皮层的兴奋性。结果显示，疲劳后运动皮层兴奋性先升高，随后逐渐回落至基线水平；且敲击速度下降越明显的人，兴奋性升高也越显著。该研究发表于2026年8月25日的《临床神经生理学》杂志，为理解神经系统疾病中的代偿反应提供了参考框架。罗马大学是意大利著名公立研究型大学，其神经科学团队长期从事运动控制与神经调控研究，此次发现为运动疲劳后的神经可塑性提供了新视角。

脑机接口（BCI）正在从神经科走向骨科康复：一篇综述指出，通过解码运动相关神经信号并建立中枢与外周之间的闭环反馈，BCI可增强皮质脊髓束兴奋性、诱导神经可塑性，从而改善因中枢运动驱动不足导致的术后肌肉抑制和功能障碍。现有证据表明，基于运动想象的BCI训练可提高前交叉韧带重建术后股四头肌的自主激活率，减少肌力损失。但综述也指出，其临床转化仍面临机制证据不足、患者异质性高、训练方案缺乏标准化等挑战。该综述由暨南大学附属第一医院等机构的研究人员完成，发表于2026年8月25日的《中国修复重建外科杂志》。

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。

脑机接口解码器在校准条件之外往往失灵，换个速度、换只手、换个人就不准了。清华大学团队提出名为LAND的框架，用流匹配方法将神经信号与行为动力学在潜在空间中对齐，并利用无需配对的运动学先验来约束神经流形的几何结构。在合成数据、1名四肢瘫痪患者的硬脑膜外脑机接口记录和非人灵长类动物的多电极阵列记录上，LAND在未见过的运动速度上实现了零样本泛化，并在少量微调下改善了跨肢体和跨受试者的迁移表现。该研究为预印本，尚未经同行评审。

西南医科大学等团队报告纳入16项随机对照试验、1761人的卒中脑机接口康复荟萃分析。与常规康复相比，主要上肢运动量表FMA-UE的标准化均数差为0.49，95%置信区间0.26至0.73；ARAT为0.53，95%置信区间0.14至0.91。不同结局仅合并部分试验。10至15次和20至30次训练之间未检出显著差异，不能据此认定更多次数更好。14项试验存在参与者及实施者盲法高偏倚风险，多数试验每组少于30人。

一项新研究提出一种可解释的脑机接口（BCI）框架，将情感状态识别与脑电（EEG）信号解码相结合，用于实现情感感知的意念转语音（thought-to-speech）。该框架在公开的想象语音EEG数据集上进行了测试，采用受试者独立设置，评估了分类准确率、精确率、召回率、F1分数、推理速度和可解释性。结果显示，与传统不透明模型相比，该方法持续提升了解码可靠性，并提供了清晰、具有临床意义的见解。研究为瘫痪、肌萎缩侧索硬化症、闭锁综合征等影响自然言语的患者提供了辅助沟通工具的实际基础。

一项针对38名8至12岁典型发育儿童的研究让他们使用P300脑机接口增强与替代沟通（P300-BCI-AAC）设计应用，创建自己偏好的图片界面，以了解儿童对这类沟通界面的设计偏好。研究发现，儿童普遍选择喜欢的颜色、动画效果（尤其是缩放动画）和声音提示；动画有助于视觉可达性和目标定位，背景颜色变化用于融入偏好色彩，视频GIF和图片覆盖层则增加个人相关性。这些发现强调了运动、颜色、个性化和视觉清晰度在儿童BCI-AAC界面中的初步重要性，为开发可定制、有吸引力的系统奠定了基础，也为未来纳入日常使用AAC的儿童及运动障碍人群的研究提供了方向。

天津大学团队提出一种基于图神经网络的联合优化框架，能在运动想象脑电解码中自动选出少量关键通道，同时保持与全通道相当的分类精度。研究发表于《混沌》（Chaos），在三个数据集上验证，包括BCI Competition IV 2a、High Gamma及新采集数据。这一方法有望降低脑机接口系统的复杂度，推动其在神经康复等实际场景中的应用。

一项预印本研究将参数化量子电路作为残差侧车模块集成进ResNet-50主干，用于31类神经群体解码（想象手写分类）。在受控条件下，主干梯度训练的侧车变体在3/4种子中提升了准确率，并一致降低了与基线特征的线性CKA相似度，表明表征发生了结构性重组。研究未声称量子计算优势。

卡内基梅隆大学研究团队开发了一种皮层内脑机接口，使动物能够利用视觉神经反馈将前额叶皮层的神经群体活动维持在预设目标附近。人在执行任务时觉醒水平会随时间波动，觉醒过低对应困倦、过高对应压力状态，这些变化偏离最佳任务表现并体现为神经活动的波动。实验结果显示，动物通过逐时刻的神经反馈，在秒到数百毫秒的时间尺度上减少了神经波动，且觉醒相关的神经活动调节与脑机接口使用存在关联。研究团队认为神经反馈可能有助于增强或恢复对神经活动的调节能力，在觉醒调节受损的临床场景中具有潜在应用前景。该研究为预印本，尚未经同行评审，目前仅在动物模型中完成。

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。