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
bioRxiv · 脑电与神经科学预印本AI 评分4242 感染相关图像降低皮层边缘亚稳态：一项区块设计fMRI研究的规格曲线分析
44名成人观看感染相关与中性图像交替的18秒区块时，感染相关图像使皮层边缘亚稳态降低，预设检验效应量Cohen's d=-0.31（置换检验p=.042），480种分析规格中263种显著且均为负向。该效应在全局信号回归后经多种校正仍存在（d=-0.47），并在第二轮扫描中重现（d=-0.44）。个体差异预测未获支持，参与者对比未能在两轮间重复。
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。
Europe PMC · 脑机接口文献AI 评分4747 MTDANet：用于运动想象脑机接口的轻量级多尺度时间层级与距离正则化线性注意力网络
MTDANet 是一种结合多尺度时空特征提取、分解时间整合和距离正则化循环注意力的架构，旨在解决运动想象 EEG 单试次解码难题。该模型在 BCI Competition IV 2a/2b 及 BNCI2014_002 数据集上进行了评估，结果显示其在受试者特定协议下取得了最高平均准确率，并在部分对比中表现出统计显著的提升。研究为离线 MI-EEG 评估中的分阶段局部到全局时间建模提供了证据。
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。
Europe PMC · 脑机接口文献AI 评分3939 EEG 表征分级阻力运动中的皮层动态
一项基于 EEG 的研究通过 10 名健康受试者在五种阻力条件下的单侧二头肌弯举，揭示了不同阻力水平下的皮层活动差异。结合 TTCN 与 KNN 分类器，该框架在受试者内评估中达到 97.2% 准确率，跨受试者最高为 93.0%，为自适应脑机接口应用提供依据。
Europe PMC · 脑机接口文献AI 评分4747 儿童脑机接口视觉场景显示可行性研究
一项针对24名8-13岁神经典型儿童的研究评估了将摄影视觉场景显示（VSD）集成到脑机接口辅助沟通中的可行性。实验对比了非对称布局、无上下文排列及标准网格三种条件，发现非对称性增强了P300振幅，场景提升了N170反应，且离线BCI准确率与网格条件相当。结果表明，场景嵌入可提升神经参与度与用户体验，为儿科BCI应用提供了初步基础。
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AI 评分5555 基于MVMD与特征优化的VR运动想象解码分层图学习框架研究
Du K等人发表一项针对VR环境下运动想象脑机接口解码的研究，提出一种分层图学习框架以应对EEG信号的非平稳性和低信噪比挑战。该方法利用多变量变分模态分解解耦复杂EEG信号为节律成分，结合混合特征选择及基于相位锁定值的功能脑网络建模，通过分层图卷积网络捕捉多尺度空间依赖和高阶交互进行三分类。
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AI 评分3434 基于EEG的脑机接口方法与应用对比研究
一项关于完全基于EEG的脑机接口系统的文献综述与比较分析，探讨了信号处理、特征提取及分类等关键组件。该研究在受试者依赖模式下对比了多种深度学习模型，结果显示ATCNet模型准确率最高达86.46%，而EEG-TCNet模型准确率最低为50.69%。
Europe PMC · 脑机接口文献AI 评分4848 沉浸式虚拟现实在运动想象观察中产生更强去同步化
一项针对15名健康参与者的脑机接口研究证实，在动作观察结合运动想象任务中，沉浸式虚拟现实比二维视频和真实世界观察引发更强的感觉运动皮层去同步化。实验通过记录8个电极的EEG信号发现，iVR在beta频段的前中央区和右顶中央区以及alpha频段的右中央运动区表现出最显著的神经激活。
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4747 基于滑动窗口与傅里叶分解的1D-CNN运动想象EEG分类框架
提出融合滑动窗口、傅里叶分解与1D-CNN的运动想象脑电分类框架，在BCIC IV 2a和BCIC III IVa数据集上分别取得93.67%和79.14%受试者内准确率。跨受试者验证中平均准确率为55.50%和76.49%，NVIDIA Jetson Nano部署延迟为58-85毫秒/次。
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5757 ResDSNet：通过残差深度可分离网络突破运动想象脑电解码的深度瓶颈
Zhao R等人提出一种名为ResDSNet的新型残差深度可分离神经网络，旨在解决轻量级脑机接口网络中因残差结构不匹配导致的深度瓶颈问题。该研究基于对残差连接路径的分析，设计了符合二项分布层数分配的模块及专用数据预处理单元，有效整合了深层特征提取与残差机制。在运动想象脑电信号解码任务中，该方法克服了传统浅层网络的局限，实现了更优的分类性能。
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%。
Europe PMC · 脑机接口文献AI 评分3131 生成式AI与沉浸式VR作为护士职业倦怠结构性干预的研究
研究探讨利用内部生成式AI助手预起草文档以减轻护士行政负担，并结合Galea和EMOTIV脑机接口设备监测认知负荷。该系统通过实时分析神经生理信号识别压力与疲劳指标，在结构化文档期及模拟训练中提供及时支持。此方案旨在恢复护理直接照护时间，并通过护理主导的治理保障专业完整性。
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AI 评分5555 卒中上肢动作观察治疗中的EEG生物标志物范围综述
一项范围综述识别了卒中后上肢动作观察（AO）治疗期间反映皮层参与的EEG指标。该研究依据PRISMA-ScR指南检索六库得386条记录，最终纳入22项结合上肢AO范式、EEG结果及运动评估的研究。
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。
g.tec · 技术与活动AI 评分4040 g.tec 展示多模态生物信号在飞行模拟研究中的应用
g.tec 在伦敦大学学院演示了结合 EEG、ECG、GSR 和眼动追踪的飞行模拟实验。该方案利用 g.Nautilus 28 通道无线 EEG 与 Tobii Pro Glasses 3，通过 g.HIsys 实时同步监测心理负荷、参与度及心率变异性。此多模态方法支持在真实任务中客观评估认知表现与生理状态。
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。
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。
g.tec · 技术与活动AI 评分3535 g.tec 探讨结合 EEG 与生理信号进行人体性能研究
g.tec 阐述将脑电（EEG）与心电、肌电等生理信号同步采集以研究人类表现的方法。单一 EEG 难以区分认知负荷与生理疲劳，多模态监测可解析神经、心血管及自主神经系统的交互机制。该方案适用于心理学、人因工程及脑机接口等领域，通过毫秒级时间分辨率捕捉大脑与身体的协同反应。
g.tec · 技术与活动AI 评分3535 g.tec Unicorn Hybrid Black 脑机接口开发指南：强调可靠 EEG 采集的重要性
g.tec 发布基于 Unicorn Hybrid Black 的脑机接口开发指南，指出可靠的 EEG 信号采集比机器学习算法更决定开发效率。该设备在 BR41N.IO 黑客松中支持团队在 24 小时内完成 P300、SSVEP 等应用原型，内置 Unicorn Speller 等现成软件帮助用户先理解范式再编写代码。
g.tec · 技术与活动AI 评分1818 g.tec 神经技术生态系统支持实时神经科学、脑机接口及多模态研究
g.tec 提供涵盖信号采集至反馈控制的完整神经技术生态系统，支持实时神经科学与脑机接口研究。该方案整合 g.Nautilus、g.HIamp 等硬件与 recoveriX、mindBEAGLE 等软件，应用于 P300、运动想象及 SSVEP 等多种 BCI 范式。其技术栈覆盖从非侵入式 EEG 到侵入式皮层记录，服务于神经康复、意识评估及多模态科研场景。
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。