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。
#神经解码
Europe PMC · 脑机接口文献精选AI 评分6060
Europe PMC · 脑机接口文献AI 评分5858 Diff-ADN：用于 EEG 去伪影的扩散引导网络及确定性残差修正方法
Jamil M 等人提出 Diff-ADN，一种用于去除眼电、肌电、心电及混合伪影的单通道脑电图去噪框架。该模型采用两阶段设计，在推理时仅需单次确定性残差修正而无需迭代采样，处理 2 秒片段耗时约 12.52-17.08 毫秒。在四个公开数据集的运动想象任务中，ECG 去噪使解码准确率提升了 4.88-5.59 个百分点，但结果显示波形重建的改善并不必然带来 BCI 解码精度的均匀恢复。
Europe PMC · 脑机接口文献AI 评分4747 Attention-BrainVerse：一种注意力驱动的自适应混合 BCI-VR 交互模型
Attention-BrainVerse 提出了一种注意力驱动的自适应混合 BCI-VR 交互模型，重新定义了以注意力为中心的输入、自适应处理及基于反馈的输出。该模型通过动态阈值和双因素难度调整优化体验，三轮用户实验显示其用户体验与传统 VR 控制方法相当。这一框架为未来 BCI-VR 系统提供了理论指导与设计路径。
Europe PMC · 脑机接口文献AI 评分5353 REFS：用于多维情感识别的不完整标签鲁棒EEG特征选择方法
该研究提出了名为 REFS 的鲁棒 EEG 特征选择方法，旨在解决多维情感识别中因标签不完整和高维特征导致的问题。该方法利用自适应正交潜在语义索引重建情感标签空间，并结合图流形学习正则化进行特征子集选择。在 DREAMER、DEAP 和 HDED 三个数据集上的实验表明，该方法在不同标签缺失率下的鲁棒性优于十三种最先进的方法。
g.tec · 技术与活动AI 评分4040 g.tec 实时 EEG 系统与闭环脑机接口：低延迟神经解码、同步与刺激
g.tec 介绍其实时 EEG 系统如何支持闭环脑机接口，EEG 触发 TMS 的延迟最低可达 4 ms，配合 g.Estim FES 或 g.Estim PRO 的刺激指令延迟最低 5 ms。文章说明延迟、抖动和采样频率对实验时序的影响，并覆盖 EEG 触发 TMS、运动想象、神经反馈等应用，用于构建可复现的低延迟闭环 BCI 实验。
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6565 语音神经假体中副语言特征建模的系统综述
该研究是一篇关于语音神经假体中副语言特征建模的系统综述。文章指出当前系统虽能解码音位和词汇信息，但常难以捕捉语调、韵律、响度和情感等对传达情绪和意图至关重要的副语言维度。综述整合了从皮层组织映射到表达性编码及多模态感知的相关研究，强调向集成情感调制与语言解码的闭环神经假体系统转变的趋势。
推荐理由：系统梳理了语音神经假体中副语言特征建模的研究进展，为理解情感与意图在脑机接口中的编码机制提供了综述视角。
Europe PMC · 脑机接口文献AI 评分4747 脊髓损伤与健康老化中排尿排便意图的EEG特征：BCI神经康复可行性研究
一项描述性可行性研究分析了健康老化及脊髓损伤患者排尿排便运动意图的脑电（EEG）特征。研究发现所有队列在感觉运动皮层均表现出事件相关去同步化，且生理老化和脊髓损伤伴随大规模拓扑重构及额叶长程功能连接增强以补偿缺陷。这些结果证实高位皮层排尿排便意图在脊髓损伤后得以保留，为基于脑机接口的靶向盆腔神经调节建立了时空框架。
Europe PMC · 脑机接口文献AI 评分5353 基于图卷积的双分支网络用于上肢运动想象EEG信号解码
Chrisilla S等人提出一种基于图卷积的双分支网络，用于受试者独立的上肢运动想象脑电信号解码。该模型结合图卷积与跳跃连接及手工时频特征，通过并行空间和时间卷积路径增强表征学习。在PhysioNet、BCI IV-2a和BCI IV-2b数据集上的评估显示，该方法在减少可训练参数和电极数量的同时保持了具有竞争力的性能，例如在PhysioNet上使用5个电极达到93.91%的SGKF准确率。
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7070 大鼠利用内源性奖励网络实现递归脑机接口的自主控制
McPherson等人在预印本中展示大鼠可通过内侧前脑束的活动依赖性电刺激作为唯一强化物，实现对递归脑机接口（rBCI）的自主控制。动物成功学会调节运动单位放电率及特定皮层脑电频段（β和γ波）以自我触发刺激，并能独立调节同一皮层位点的不同频谱特征。该研究表明对内部奖励网络的隐性强化可在无约束自然行为中驱动特定神经信号的操作条件反射，为自适应脑机接口和闭环精神疗法开辟了新方向。
推荐理由：该研究展示了大鼠通过内源性奖励网络实现自由行为下的闭环脑机接口控制，为自适应BCI和闭环精神治疗提供了新路径。
Europe PMC · 脑机接口文献AI 评分5858 基于相位锁定与空间特征及双分支深度学习模型的 EEG 内心言语解码研究
一项新研究提出结合瞬时相位锁定值与共空域模式的双分支深度学习框架，用于从脑电信号中解码内心言语。该模型在受试者依赖设置下表现优异，对社交和数字词汇的平均准确率分别达 95.16% 和 95.96%，但在两个公开数据集上的跨受试者独立准确率仅为 64.09% 和 52.19%，凸显了个体间泛化的困难。
Europe PMC · 脑机接口文献AI 评分5757 丘脑皮层信用路由的解剖约束与回路原理研究
该研究通过小鼠解剖电路映射和闭环模型，揭示基底节和小脑经丘脑向皮层传递学习信号的机制。发现两条通路在丘脑中 largely 分离但在初级运动皮层层1a汇聚，且模块特异性反馈对多目标神经元同时调节的脑机接口任务至关重要。
Europe PMC · 脑机接口文献AI 评分5858 GAN合成M1信号增强非侵入式运动脑机接口数据集研究
Kim H和Kim JS发表研究，提出一种生成对抗网络框架，通过从功能相关皮层区域合成初级运动皮层的人工神经信号波形来丰富训练特征。在目标导向手臂伸展任务的脑磁图记录中，该方法使连续运动学解码性能显著提升约10%（p<0.05），且在缺失真实M1信号时仍能维持改进效果。研究进一步将该增强方法推广至运动想象BCI竞赛数据集以提升分类准确率，展示了信号生成网络改善非侵入式运动脑机接口的潜力。
Europe PMC · 脑机接口文献AI 评分5555 共享刺激下EEG信号神经特征与多认知状态解码的范式研究
一项新研究提出了通过单一视觉刺激诱发五种不同认知过程（单次伸手、拦截伸手、序列伸手、注意伸手和抑制伸手）的实验范式。利用正则化线性判别分析分类器结合事件相关谱扰动特征，对五种认知状态的解码准确率达到91.72% ± 6.10%；在序列伸手任务中，使用时域特征区分正常试验与捕获试验的准确率为77.96% ± 7.03%。
Europe PMC · 脑机接口文献AI 评分5555 RUNet：基于黎曼与无监督表征学习的跨域 EEG 零校准解码框架
RUNet 是一种针对运动想象 EEG 信号的零校准解码框架，旨在解决因个体差异和环境因素导致的会话间及受试者间变异性问题。该框架结合黎曼流形学习与无监督表征学习，利用多尺度时空卷积模块捕获局部-全局空间及多分辨率时间动态特征。通过引入多协同协方差优化模块增强非平稳性下的特征鲁棒性，并集成黎曼仿射对数映射层以缓解跨域协方差漂移，从而提升域不变特征的学习能力。
Europe PMC · 脑机接口文献AI 评分4444 MSHANet：用于运动想象脑电解码的多尺度混合注意力网络
MSHANet 是一种用于运动想象脑电（MI-EEG）解码的多尺度混合注意力网络，在 BCI Competition IV 2a/2b 及 EEGMMID 数据集上验证。其受试者内实验准确率达 83.56%、89.75% 和 75.66%，跨受试者实验分别为 69.93%、81.85% 和 79.67%。引入电极空间结构感知编码器后，BCI-2a 任务解码性能进一步提升约 2.8%-2.9%。
Nature Neuroscience · 研究者访谈AI 评分4747 Nature Neuroscience 访谈 Richard Andersen：后顶叶皮层与神经解码研究
Nature Neuroscience 发表对加州理工学院教授 Richard Andersen 的访谈，回顾其确立后顶叶皮层为意图与动作规划关键枢纽的研究历程。Andersen 探讨了神经记录、解码及计算技术的进步如何重塑认知理解。
Nature Neuroscience · 研究者访谈AI 评分4848 Nature Neuroscience 访谈 Miguel Nicolelis：回顾脑机接口先驱生涯与巴西神经科学研究所
Nature Neuroscience 发表对杜克大学荣休教授、埃德蒙和莉莉·萨夫拉国际神经科学研究所创始人 Miguel Nicolelis 的访谈。他回顾了从开创脑机接口到在巴西东北部建立研究所以推动社会变革的经历，并探讨了塑造神经接口与神经康复未来的科学发现、技术障碍及伦理问题。
Nature Neuroscience · 研究者访谈AI 评分5757 Nature Neuroscience 专访 Edward Chang：语音脑机接口的演进与 AI 驱动的临床转化
Nature Neuroscience 发表对 UCSF 神经外科主席 Edward Chang 的访谈，探讨语音脑机接口（BCI）的发展演变。Chang 指出人工智能进展正加速 BCI 向临床应用转化，并讨论了恢复自然交流的挑战以及大规模神经数据集在构建人脑计算模型中的潜在作用。
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。
Neuralink · Updates精选AI 评分6565 Neuralink 发布基于五万小时无标签脑数据预训练的神经解码研究
Neuralink 公布一项关于神经解码的研究，显示通过自监督编码器在50,000小时无标签脑数据上进行预训练，可使解码器在数周内保持工作而无需重新校准。该研究记录了11.32 BPS（比特每秒）的性能指标。
推荐理由：展示了利用五万小时无标签脑数据进行自监督预训练，使神经解码器在数周内无需重新校准并创下传输率纪录的技术路径。
Europe PMC · 脑机接口文献AI 评分5555 TSMD-Net：用于跨受试者运动想象脑电域泛化的两阶段多域蒸馏网络
该研究提出TSMD-Net（两阶段多域蒸馏网络），旨在解决运动想象脑电（MI-EEG）解码中因受试者间差异和非平稳性导致的跨受试者泛化难题。该方法采用渐进式两阶段优化策略，先通过特征协方差对齐建立稳定的跨域表示，再利用双曲监督对比学习进行多域协同蒸馏，以增强预测一致性和类别判别力。实验在两个运动想象基准数据集上验证了该方法的有效性。
Europe PMC · 脑机接口文献AI 评分5959 基于空间通道重构的频时空深度神经网络用于SSVEP脑机接口EEG解码
该研究提出一种基于空间和通道重构的频率-时间-空间深度卷积神经网络（SCR-FTSDNN），旨在解决SSVEP脑机接口中深度学习模型复杂度高及依赖大规模校准数据的问题。该方法通过傅里叶变换提取频率特征，结合时序卷积和扩张卷积增强判别性特征提取，并在Benchmark和BETA两个公开数据集上验证了其优越的识别精度与鲁棒性，尤其在有限校准数据条件下表现突出。相关代码已在GitHub开源。
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。
Nature · Brain–machine interface精选AI 评分8080 Nature：辅助算法影响运动脑机接口的神经表征
研究发现自适应解码器在运动皮层脑机接口学习中会导致神经表征紧凑化，即任务信息集中在少数读出神经元和低方差群体模式中。实验数据显示，与固定解码器相比，使用闭环解码器适应（CLDA）时，达到80%分类准确率所需的神经元数量显著减少。
推荐理由：揭示了自适应解码器在提升性能的同时导致神经表征紧凑化的机制，为优化脑机接口长期稳定性提供理论依据。
Nature · Brain–machine interface精选AI 评分8282 Nature发表研究：单一ECoG植入物实现瘫痪患者语音与手势同步解码
加州大学旧金山分校团队在《Nature Neuroscience》发表研究，证明单一高密度皮层脑电（ECoG）植入物可支持严重瘫痪患者同时进行语音和手势的多效应器解码。
推荐理由：该研究验证了单一皮层脑电植入物同时解码语音与手势的可行性，为瘫痪患者恢复多模态自然交流提供了技术路径。
Nature · Brain–machine interface精选AI 评分8282 Nature发表研究：利用共享潜在表征实现跨患者语音解码
Nature Communications发表的一项研究提出了一种利用微皮层脑电（μECoG）记录中共享潜在动态的方法，以实现跨患者的语音解码。研究人员对8名患者进行了急性神经记录，发现尽管电极放置和神经解剖存在差异，控制发音肌肉的神经群体活动在患者间具有可对齐的低维结构。
推荐理由：该研究通过跨患者对齐共享的潜在动态，显著减少了语音脑机接口所需的个体化数据收集时间，为快速部署提供了新路径。
g.tec · 技术与活动AI 评分3838 g.tec 解析超高密度 EEG 如何改变脑图谱绘制：64 至 1024 通道对比
g.tec 指出超高密度 EEG 通过增加空间采样提升脑图谱精度，支持从 64 到 1024 通道的扩展。其 g.Pangolin 平台结合 g.HIamp 放大器可实现 1024 同步通道、8.6 mm 电极间距及 38.4 kHz 采样率。该技术兼容传统范式，助力神经解码与源定位研究。
Nature · Brain–machine interface精选AI 评分6565 人类脑机接口控制中受时长调制的神经群体动力学研究
加州理工学院团队在《Communications Biology》发表研究，探讨运动皮层（MC）在脑机接口（BMI）光标控制中的动态特性。研究发现，尽管不同持续时间的同向运动共享相同的MC初始条件，但长时程运动会使MC活动维持在低速度稳态直至达到目标。这种跨时长的群体动力学差异归因于外部输入的作用，强调了持续输入对运动皮层在运动过程中的关键影响。
推荐理由：揭示了不同时长BMI任务中运动皮层动态差异源于外部输入，为理解长期稳定控制提供新视角。
Nature · Brain–machine interface精选AI 评分8282 Nature：人类中央前回全身运动表征的单神经元分辨率图谱
研究人员利用8名瘫痪受试者植入的20个微电极阵列，首次绘制了人类中央前回（PCG）顶部在单神经元分辨率下的全面运动图谱。研究发现PCG包含四个主要功能区域：背侧手臂-手部区、中部语音区、腹上广泛调谐的面部区和腹下语音区，且各区域均存在可解码的全身运动表征。
推荐理由：该研究绘制了人类中央前回单神经元分辨率的全身运动图谱，揭示了四个功能分区及组合式神经编码，为优化脑机接口电极植入位置提供了依据。
g.tec · 技术与活动AI 评分4040 通用空间模式算法助力脑机接口实现首次100%实时准确率
1998年，格拉茨大学团队利用通用空间模式（CSP）算法处理64通道运动想象EEG数据，使受试者“g3”在实时实验中连续160次正确移动光标，达成首个100%准确率的脑机接口记录。该突破证实了信号处理与系统工程协同优化对高性能BCI的关键作用，CSP至今仍是运动想象解码的核心基准算法。