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。
技术方向
神经信号解码、语音与运动控制的研究和验证。
82 条精选近 30 天 35 条共收录 82 条
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。
Neuralink 于10月29日发布72小时居家工程冲刺进展,展示语音脑机接口自动判断发言时机、免去启停按键,并支持神经活动的实时可视化。移动应用 Bloom 可将生成语音直接接入 iPhone 通话麦克风音频流,新增可选开场提示、键盘听写、纠错改进和锁屏快捷入口。
本期报告汇集四项脑机接口研究:宾夕法尼亚大学团队在《Nature Medicine》展示融合大语言模型的神经监测平台,纳入13名癫痫患者,可实时交互并利用患者反馈提高癫痫检测精确率。
Neuralink于10月29日披露一名ALS受试者首周达到每分钟75词、词错误率5.8%、解码词表12.5万词,结果由VOICE研究主要研究者Nader Pouratian在2026年NEALS年会报告,研究使用N1植入体,登记号NCT07224256。
加州大学戴维斯分校等机构研究人员提出Brain2voice 2.0,从皮层内神经信号直接合成语音,在基准数据集上未经专门训练的听者转录词错误率降至5.24%,此前同一研究路线为43.75%。
推荐理由:原文梳理了Brain2voice 2.0的解码架构、数据来源和多项使用限制,读者可据此判断该语音脑机接口路线的实际进展与边界。
科技视频记者Cleo Abram在《HUGE If True》发布探访Neuralink奥斯汀总部的视频,首次完整记录R1手术机器人将N1脑芯片植入体送入大脑皮层的工作流程,每条柔性电极线植入约需1.5秒。
中国科学院北京纳米能源与系统研究所团队在《Nano-Micro Letters》报告一种摩擦电电子皮肤,通过单通道柔性贴片捕捉口周动作识别无声发音内容,传感过程可自供电。研究用四层CNN分类3名参与者的15类预设词语,作者报告准确率98.75%,并演示了无声词语显示、游戏控制和虚拟角色对话三类交互;识别范围仍限于预设内容,实际应用还需扩大人群验证。
Neuralink发布报告称其工程师在VOICE试验参与者家中进行了72小时黑客马拉松,测试了Bloom应用的新原型功能。这些功能包括将植入物产生的语音直接接入iPhone通话、通过iOS键盘在任何应用中打字、自动检测说话意图以启停解码、锁屏状态下启动Live Activity,以及通过思考“Hey Neuralink”调用Grok代理执行任务。
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。
Neuralink 于 10 月 28 日在 X 上表示,其语音植入让一名 VOICE 试验的 ALS 参与者在第一周内实现脑信号转文字,语速达每分钟 75 词、词错率 5.8%,词表为 12.5 万词。
一项针对两名四肢瘫痪受试者的研究表明,基于运动皮层的侵入式脑机接口(iBCI)在双任务场景下对注意力负荷变化具有较强鲁棒性。研究结合二维光标控制与N-Back工作记忆任务,发现尽管头皮EEG指标显示注意力负荷增加,但iBCI整体性能保持稳定;仅一名信号质量较低的受试者在轻度负荷条件下出现完成时间延长和路径长度增加,而信号质量较高的受试者未受影响。
推荐理由:原文通过双任务范式验证了皮层内脑机接口在注意力负荷变化下的鲁棒性,并揭示了信号质量对个体差异的影响。
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。
武汉协和医院神经外科联合山东蓓明医疗研发国内首个基于高通道矩阵式电刺激的脑机接口精细运动重建系统,系统解码想象运动的脑电信号,经64通道电极刺激手部肌肉形成闭环。2026年8月入组的首名临床试验受试者楚言经近两个月训练后,已能脱离设备弹奏《小星星》,手腕可自主翻转90度。研究共纳入四名患者、尚无对照试验,团队计划扩大规模并将技术推向下肢乃至全身肌肉控制。
初创公司NeuroDoctrine在曼彻斯特国防与太空峰会上公开演示,操作者戴读取视觉皮层脑电的头带、双手插兜控制三架无人机起飞盘旋,信号经设备处理并通过蓝牙发送指令。
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。
FDA 批准 Paradromics 的 Connect-One 早期可行性研究方案修订,取消了参与者须居住在临床中心四小时车程内的要求,符合条件者可不受居住地限制申请参加。
推荐理由:FDA 批准移除四小时车程限制,Connect-One 研究可面向全美招募,提供了研究参与条件和三个临床中心的具体信息。
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。
10月23日,天津大学脑机海河实验室与中国移动合作的“脑机接口+6G”成果登上央视《新闻联播》。画面中,京津两地实验室双城联动,工作人员借助该技术远程操控异地无人车,实现大脑意图与外部设备的即时直连互通。双方已于2026年初搭建6G网络专线,完成多项脑机操控应用验证,并在脑控机械臂和脑控机器狗赛道斩获奖项,未来将推动技术从实验室验证走向产业化落地。
强脑科技10月22日在杭州举行的2026世界物理AI大会暨宇树合作伙伴生态大会上,作为宇树科技生态合作伙伴展示脑控机器人AI科研平台及Revo 2、Revo 3系列仿生灵巧手,并通过宇树人形机器人演示脑机接口控制应用。
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。