资讯速递
想象一下：无需动手，仅凭想象左手、右手、舌头或双脚的运动，就能让屏幕上的光标自由移动——这正是运动想象脑机接口为我们勾勒的智能交互未来。但一个现实困境是，深度学习在离线数据上的亮眼表现，往往在真实在线交互中“大打折扣”。受试者需要时刻根据反馈调整大脑活动，脑信号的瞬息万变让许多算法难以招架。深度学习到底能不能让脑控真正变“好用”？这一问题长期以来缺乏严格的实验验证。
近日，南湖脑机交叉研究院姚林研究员、王跃明教授团队给出了有力答案。他们发表于脑机接口领域国际权威期刊IEEE TNSRE的论文 “Enhanced Online Continuous Brain-Control by Deep Learning-Based EEG Decoding” ，提出深度学习解码模型IFNet，并首次通过随机、跨会话的在线光标控制实验，与主流在线解码算法展开系统性正面交锋。
结果显示，对于首次接触脑机接口的受试者，IFNet在两个跨天实验中的在线性能分别提升了20%和27%，用扎实的数据证明：深度学习不仅“纸面厉害”，更能在真实闭环交互中显著提升操控体验。该项研究荣获TNSRE 2025最佳论文二等奖，为运动想像脑机接口从实验室走向现实应用迈出了关键一步。
长期以来，在线运动想象脑机接口主要依赖FBCSP等传统机器学习方法。近年来，深度学习模型在公开脑电数据集的离线分析中不断刷新解码准确率，但在线脑控面对的是一个动态的人机交互系统：
●在线任务与离线校准场景可能不同；
●脑电信号会跨场景、跨天变化；
●受试者会根据解码反馈主动调整运动想象策略；
●疲劳、设备波动等都可能影响解码模型鲁棒性。
因此，当前研究亟待回答：当深度学习模型进入实时脑机反馈系统，与受试者持续交互时，相比传统神经生理可解释的机器学习算法，它能否带来更准确、更稳定、更可学的脑控体验？
研究招募了15名脑机接口初试者，每名受试者完成两次跨天实验。实验包括离线校准和在线反馈两个阶段。在线反馈阶段，受试者需要仅凭运动想象完成2D center-out任务，控制屏幕中央的光标连续移动至四周随机出现的目标。解码算法采用区间随机打乱的方式交替执行。
图 实验流程与实验场景
实验主要对比轻量级深度学习模型IFNet（Interactive Frequency CNN）和传统主流机器学习算法FBCSP。IFNet基于脑电信号的跨频耦合特性，显式建模低频与高频脑电特征之间的交互，通过频域、空域、时域联合提取任务相关脑电信息，有效增强运动脑电表征。
图 IFNet脑电解码模型
1 深度学习模型显著提升在线脑控性能
在2D center-out任务中，IFNet在两会话的平任务准确率分别为51.58%和65.58%，相较FBCSP分别提升20%和27%。其余各项指标进一步表明IFNet具有更优路径效率及信息传输率。
图 在线运动脑控性能
2 深度学习模型表现出显著的脑机训练效应
跨会话结果显示，使用IFNet时，受试者表现出显著的脑机训练效应（P=0.017），FBCSP则未达到显著水平（P=0.337）。主观评分方面，IFNet控制体验显著优于FBCSP，且随着会话推进得到一步提升。这表明深度学习模型不仅能提高脑电解码准确率，也可以帮助使用者更顺畅地习得脑机技能。
图 跨会话脑机训练效应
3 离线验证与神经生理可解释性
研究团队进一步将IFNet与EEGNet、FBCNet、EEG Conformer、TSFCNet等深度学习模型进行离线比较。结果显示，深度学习模型整体优于FBCSP，IFNet在各项测试中保持最高平均准确率。值得注意的是，在本研究的2D center-out任务中，离线评估与真实在线表现十分接近，为今后离线评估解码算法的在线性能提供了参考。
脑区地形图显示运动相关脑区C3、C4电极附近最具神经生理判别信息。归因分析表明IFNet有效捕捉了运动想象特异性脑电表征。两者具有一致性。
图 神经生理可解释性
本研究的关键意义在于，我们把深度学习脑电解码从标准数据集上的离线比较，带入了实时反馈、多会话的在线运动脑控系统中。研究首次证明，一个设计合理的轻量级深度学习模型，能够在用户首次使用脑机接口时就带来可感知的性能跃升，并在后续训练中表现出更快的适应速度和更流畅的操控体验。这不仅为打造更高效、更友好的非侵入式运动脑机接口提供了关键技术支撑，更让基于脑电信号的卒中后运动康复等临床应用，拥有了从“可行”走向“好用”的切实可能。
来源：本文来源于“南湖脑机交叉研究院”，仅用于学术资讯分享，如有侵权请联系管理员删除。
原文链接：
脑机接口产业联盟作为脑机接口的合作与促进平台，着力聚集产业界各方资源，共同致力于推进脑机接口产业发展、需求与架构、标准、产品、解决方案及应用推广，形成良好的合作氛围及协作机制，围绕产业链，协调组织关键问题研究和核心技术攻关，促进产业生态繁荣，为中国及全球脑机接口产业发展提供必要支撑。
加入方式
关注脑机接口产业联盟公众号，菜单栏获取联盟加入申请表格，材料齐全后发秘书处。
欢迎业界积极参与联络，联系邮箱：bcia@caict.ac.cn。
（扫码获取加入联盟的申请材料）
