基于 EEG 和 NIRS 模态的混合脑机接口

基于摘要分析。本研究针对非侵入式异步 BCI 中用户自主发起控制时的准确性与稳定性问题，提出同时采集 EEG 和近红外光谱（NIRS）的多模态混合 BCI，并设计被试依赖的分类策略来结合两类测量。 研究对象是无需用户按外部提示作出反应的异步控制，而不是仅在提示限定的时段内识别任务的同步 BCI。摘要指出，既往 EEG–NIRS 混合系统已在同步运动想象（MI）任务中显示出分类性能提升；这是作者对既往工作的概述，不能视为本文异步系统的实验结果。作者将本研究描述为异步多模态混合 BCI 的首次报告，该优先性主张尚未独立核实。 方法层面的明确贡献是同步获取 EEG 与 NIRS，并使用针对被试的分类策略组合两类信息。摘要未说明融合发生在特征层还是决策层，也未给出分类器、时间窗、训练流程或异步意图检测规则。“被试依赖”不足以确定具体的被试内数据划分，更不能据此推断跨被试泛化能力。 摘要未提供本文的定量结果、被试数量、任务细节、对照基线及评估协议，因此尚不能判断联合模态是否优于单独 EEG、是否降低非控制状态下的误触发，或是否满足实时控制需求。阅读全文时需核对两类信号的时间对齐、分类策略及校准要求，以及准确性、误触发与响应延迟的评估方式；实验协议、消融及统计信息尚未验证。