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IEEETNSRE的论文“EnhancedOnlineContinuousBrain-ControlbyDeepLearning-BasedEEGDecoding”,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。该项研究荣获TNSRE2025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。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、EEGConformer、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。