arXiv（brain-computer interface）·2026-09-11 08:00· 2026-09-11AI 评分38

FRIST：fMRI 表征引导共享空间训练提升仅用 EEG 的单指脑机接口解码

FRIST: FMRI Representation Informed Shared-space Training Improves EEG-only Individual-Finger BCI Decoding

AI 导读

研究者提出 FRIST 两阶段 EEG 解码框架，先从同步 EEG-fMRI 记录中学习 fMRI 引导的频谱投影，再用 fMRI 导出的类别几何引导 EEG 预测的残差细化，推理时仅需 EEG。

AI 要点

团队

第一作者 Jintao Zhang，末位作者 Bin He（卡内基梅隆），共 6 位作者；属于长期专攻脑机接口、与医院有长期临床合作的团队。

主要结果

以 EEGNet 为特征提取器，二分类运动执行准确率由 66.93% 升至 74.53%，三分类由 44.83% 升至 56.58%；二分类运动想象由 80.78% 升至 85.63%。

解决什么问题

头皮 EEG 单指解码困难：手指在感觉运动皮层表征空间上接近，且受容积传导模糊。

方法

12 名健全受试者，运动执行与运动想象，二分类与三分类、按时间留出会话；两阶段框架，先用同步 EEG-fMRI 学 fMRI 引导的频谱投影，再用 fMRI 类别几何引导 EEG 预测残差修正，推理时仅用 EEG。

局限

从研究设计看，为健全受试者的离线留出会话解码，模拟在线场景，未做真实在线闭环验证。

AI 依据原文整理，未经人工核对。