Bing News：brain-computer interface·2026-10-12 07:53· 13 天前AI 评分29

中国团队发布 STGCAN-MI 网络，解码想象运动准确率创纪录

New AI Network Reads Brain Signals to Decode Imagined Movements with Record Accuracy

AI 导读

福建农林大学 Xianqing Yang、Tingting Zhang 团队联合福建师范大学在 Scientific Reports 发表 STGCAN-MI，一种基于可学习动态图卷积与并行时空注意力的深度学习架构，用于 EEG 运动想象解码。

AI 要点

团队

福建农林大学 Xianqing Yang、Tingting Zhang 领衔，与福建师范大学同事合作。

主要结果

在 BCI Competition IV 数据集 2a 上平均最佳分类准确率 83.17%，2b 上 87.50%，优于多个代表性基线模型。

解决什么问题

针对 EEG 脑机接口难以刻画想象运动时脑区间的通信、难以提取细微时空模式两个问题。

方法

提出 STGCAN-MI 模型，用可学习动态图卷积表示电极间功能连接，并加轻量并行时空注意力模块；在公开数据集 2a、2b 上评估。

局限

从研究设计看，仅基于公开基准数据集离线评估，未涉及实时运行或临床受试者验证。

AI 依据原文整理，未经人工核对。