DMSL：用于混合EEG-fNIRS脑机接口的解耦多模态时空学习方法
研究者提出了一种名为DMSL的解耦多模态时空学习方法，旨在解决混合EEG-fNIRS脑机接口中信号整合困难及表征冗余的问题。该方法通过统一框架同时执行多模态时空耦合与解耦表征学习，利用紧凑卷积模块、多模态注意力交互模块及自适应多分支图卷积模块提取特征并分离共性与特异性表征。
推荐理由：原文提出了混合EEG-fNIRS脑机接口的解耦多模态时空学习方法，在三个公开数据集上展示了优于基线的解码性能。
#EEG
Europe PMC · 脑机接口文献精选AI 评分6060
Europe PMC · 脑机接口文献精选AI 评分6262 脑机接口技术在慢性疼痛管理中的应用综述
该综述探讨了脑机接口作为非药物治疗手段在慢性疼痛管理中的应用原理及现状。文章涵盖了基于头皮EEG和fMRI的神经反馈、低频振荡调控及新兴闭环神经调控系统等技术路径。作者认为BCI目前仍处于早期阶段，其临床转化主要取决于解决监管报销障碍、开展充分样本量的假手术对照试验以及实施患者分层，未来更可能作为多模式疼痛管理的辅助手段而非替代现有疗法。
推荐理由：综述梳理了脑机接口在慢性疼痛管理中的神经反馈与闭环调控原理，指出临床转化关键在于监管与对照试验而非解码精度。
Europe PMC · 脑机接口文献精选AI 评分6767 双尺度平台揭示清醒小鼠皮层至颅骨频谱增益的频率依赖性
一项研究构建双尺度传感平台，在清醒小鼠中同步记录柔性微ECoG和颅骨螺钉EEG，发现皮层至颅骨的频谱增益并非平坦而是随频率呈幂律增加。该结果表明颅骨EEG相对保留高频皮层活动而非简单低通复制，且增益具有非平稳性。这一发现将皮层-颅骨关系从静态模型假设转化为可测量的频率和状态依赖量，为神经传感电极选择及脑机接口高频特征解读提供实证校准目标。
推荐理由：原文通过同步记录揭示皮层到颅骨频谱增益随频率增加，为脑机接口高频特征解读提供实证校准依据。
Europe PMC · 脑机接口文献精选AI 评分6060 融合多尺度滤波与时空注意力的深度学习网络用于解码运动想象脑电信号
一项新研究提出了基于多尺度卷积神经网络和时空注意力机制的深度学习网络，用于解码运动想象脑电信号。该网络通过四个并行分支提取特征并引入Transformer模块学习全局相关性，最终使用CNN替代全连接层进行分类。在三个公开BCI数据集上的评估显示，其平均准确率分别为80.21%、90.19%和97.32%，均超越了FBCNet和MSFBCNN等最强基线模型。
推荐理由：该研究提出结合多尺度卷积与注意力机制的网络，在三个公开数据集上解码运动想象脑电，准确率优于现有基线。
Europe PMC · 脑机接口文献精选AI 评分8282 急性脑损伤临床无反应患者可激活脑机接口
一项前瞻性队列研究显示，32%的急性脑损伤临床无反应患者能够控制基于EEG的自我节奏脑机接口（BCI）。具备BCI控制能力的患者在出院时恢复意识和12个月时恢复功能独立性的比例显著高于不具备该能力的患者。研究还发现，所有受访者均强烈支持未来在重症监护环境中使用此类设备以实现双向沟通。
推荐理由：原文展示了急性脑损伤患者通过EEG控制BCI的具体数据，并分析了该能力与意识恢复及功能独立性的关联。
Inside BCI · 行业报道精选AI 评分8282 宾夕法尼亚大学在《Nature Medicine》发表基于AI的癫痫患者脑电监测交互研究
宾夕法尼亚大学团队在《Nature Medicine》发表研究，展示了一种允许癫痫患者通过智能手机应用与其脑电（EEG）监测系统直接对话的平台。在为期数天的住院监测中，13名患者与系统交换了1307条消息，AI准确回答了38次数据查询中的35次；利用患者反馈重新训练检测器后，误报率降低了约80%，但未增加真实发作的检出率。
推荐理由：该研究展示了患者通过对话式AI与脑电监测系统交互的可行性，为癫痫及帕金森病等神经疾病的实时共管理提供了新的技术路径参考。
Europe PMC · 脑机接口文献精选AI 评分6565 利用相位滑动振荡实现鲁棒的异步脑机接口控制
一项研究提出基于相位滑动振荡（PSO）的异步分类方法（PSO-AC），旨在解决稳态视觉诱发电位（SSVEP）脑机接口中因信号相位漂移导致的性能下降问题。该方法将EEG信号重构为不同初始相位的序列，并通过小波同步挤压变换提取相位解耦特征，结合概率时间模型区分控制与非控制状态。
推荐理由：提出基于相位滑动振荡的异步分类方法，通过解耦相位特征提升SSVEP脑机接口在离线与在线实验中的控制稳定性。
Europe PMC · 脑机接口文献精选AI 评分6767 基于大语言模型的P300拼写器近最优性能：多模型分析与性能界限研究
一项发表于2026年10月的研究提出了一种系统性的多模型理论分析框架，用于评估大语言模型（LLM）辅助P300脑机接口拼写器的性能。该研究引入了理想化LLM以确立可达到的性能上限，并证实了LLM带来的显著性能提升并非特定模型独有，而是跨语言模型的普遍趋势。这一工作解决了此前缺乏统一解码框架来界定LLM辅助P300拼写器具体性能界限的问题，旨在改善ALS患者等群体的沟通效率。
推荐理由：通过多模型理论分析框架量化了LLM辅助P300拼写器的性能上限，为评估不同语言模型在脑机接口中的增益提供了统一基准。
Europe PMC · 脑机接口文献精选AI 评分6565 静息态脑电临界性作为ALS患者及健康人脑机接口表现的神经生理标记研究
一项探索性研究调查了静息态脑电动态与随后脑机接口表现之间的关系。研究基于临界脑假说，分析了神经元雪崩动力学、多尺度临界性测量、频谱斜率和Lempel-Ziv复杂度。在两个数据集中（包括一名闭锁状态ALS患者的纵向单例研究和5名ALS患者及6名健康参与者的数据），发现神经元雪崩动力学、频谱斜率和Lempel-Ziv复杂度与ALS患者的后续脑机接口表现持续相关，而健康参与者显示出相反的相关模式。
推荐理由：该研究探索了静息态脑电临界性指标与肌萎缩侧索硬化症患者后续脑机接口表现的相关性，为预测用户性能提供了潜在的神经生理标记。
Europe PMC · 脑机接口文献精选AI 评分6565 共形预测门控用于跨会话运动想象脑机接口的研究
一项研究评估了共形预测作为命令门控在跨会话EEG偏移下的有效性，旨在解决错误运动想象指令导致意外设备动作的问题。实验对比了阈值共形预测、RAPS和Chow选择性预测等方法，结果显示门控机制将OpenBMI数据集的错误决策率从37.5%降至9%-16%，BCIC IV-2a数据集从35.5%降至6%-8%。该研究提供了根据应用特定风险容忍度选择校准源和不确定性感知门控策略的框架。
推荐理由：原文提出共形预测门控机制以应对跨会话脑机接口误差，读者可据此了解不同风险容忍度下的策略选择框架。
脑机智能在线 · 公众号精选AI 评分8484 华中科技大学团队发布EEG-FM-Compass：55个脑电基础模型的全面基准评测
华中科技大学伍冬睿教授团队在《国家科学评论》发表EEG-FM-Compass，系统梳理55个脑电基础模型，并在涵盖9类BCI范式的13个数据集上评测12个开源基础模型和8种专家基线。
推荐理由：这是迄今覆盖面最大的脑电基础模型基准评测，读者可以据此校准对预训练模型与轻量专家模型差距的预期。
脑机前沿 · 公众号精选AI 评分7878 浙大团队发布BrainBench：用17个数据集检验大模型脑电分析能力
浙江大学脑机智能全国重点实验室团队发布BrainBench基准，用17个数据集、172个任务、4K+真实实例检验大模型能否按自然语言指令完成可验证的EEG分析。评测13个API模型、超10万次执行，头部模型Overall约70+，跨模态生理整合最难；结构化Agent在数值校验和跨实例稳定性上更稳，自由写码（CodeAct）更灵活，Hard任务上分数常掉到三十多。开推理有用但猛堆推理收益有限。
推荐理由：原文介绍了BrainBench基准的构成与五条主要结果，读者可据此了解当前大模型做端到端脑电分析的能力分布与执行范式差异。
Nature · Brain–machine interface精选AI 评分8080 感官引导人机联合学习加速运动想象脑机接口控制
Nature Communications 发表研究提出感官引导的人机联合学习框架，旨在解决运动想象脑机接口（MI-BCI）训练慢且难的问题。该框架结合振动触觉刺激与样本重加权机制，实现用户神经模式生成与解码器优化的同步适应。
推荐理由：提出感官引导的人机联合学习框架，通过触觉反馈与解码器协同优化加速运动想象训练，为提升非侵入式脑机接口易用性提供新路径。
脑机前沿 · 公众号精选AI 评分7878 上海AI Lab等发表论文：审计EEG基础模型到底捕获了什么
上海人工智能实验室联合上海交通大学、同济大学、复旦大学、休斯顿大学发表研究，系统审计EEG基础模型编码和使用哪些经典脑电特征。研究覆盖CSBrain、CBraMod和LaBraM三个模型、5个临床任务、63个手工特征共945个审计单元，89.6%通过编码标准，68.6%为representation-causal，频域特征贡献最强，确认使用的特征平均恢复基础模型相对随机基线优势的79.3%。
推荐理由：原文拆解了学到、用到、可解释三层审计方法，并给出各层占比，读者可以据此理解EEG基础模型可解释性的评估思路。
已经到底了