《IEEE Reviews in Biomedical Engineering》：Non-Invasive Brain-Computer Interfaces: State of the Art and Trends
编辑推荐：
为破解非侵入式BCI信号微弱、跨会话鲁棒性差的瓶颈，多国团队系统梳理近年EEG-解码算法、硬件生态与临床验证，提出“用户-应用-机器”三轴优化框架，证实源成像(source imaging)、黎曼几何(Riemannian manifold)与深度学习混合架构可把机械臂在线控制精度提升至>80%，为居家康复和认知增强奠定可扩展工程范式
想象一下，只需“动念”就能让机械臂举起水杯、让轮椅绕过障碍，甚至让瘫痪者重新“手写”心声——这些科幻场景正是脑-机接口（BCI）技术试图兑现的承诺。然而，与植入式电极相比，非侵入式BCI虽安全廉价，却长期受困于“隔着头骨”的低信噪比、高个体变异和跨会话漂移，导致“BCI文盲”率居高不下，临床转化步履蹒跚。面对“既想安全又想好用”的全球难题，一支横跨美国、德国、新加坡、奥地利和中国的联合团队展开全景式梳理，系统评估了近年来信号采集、解码算法、软件生态与临床验证的最新突破，成果发表于2025年《IEEE Reviews in Biomedical Engineering》。论文指出，通过“用户-应用-机器”三轴协同优化，非侵入式BCI已能在实验室外实现>80%的机械臂连续抓取精度，并首次在截瘫患者身上完成“思想驱动轮椅”的复杂导航，为居家康复和认知增强奠定可扩展的工程范式。
为回答“如何在不放电极进脑的前提下，把模糊头皮EEG变成可靠控制指令”，作者整合了五大类前沿技术：
源成像(source imaging)：用最小范数估计(MNE)与低分辨率电磁断层图(LORETA)把64-128通道EEG反演至皮层源空间，提升空间分辨率；
黎曼几何解码：在对称正定(SPD)流形上计算试次协方差矩阵与类中心的仿射不变距离，实现零校准、跨被试迁移；
深度混合网络：EEGNet、Shallow/Deep ConvNet、CNN-LSTM-Transformer串联，端到端学习时空-频特征；
迁移与域适应：利用域对抗神经网络(DANN)与最大均值差异(MMD)把源域(健康人)模型迁移至目标域(患者)，实现“零标签”冷启动；
实时软件框架：基于BCI2000与OpenViBE的C++/Python混合架构，确保<50 ms延迟的闭环控制。
研究结果按以下小节展开：
Ⅲ. 非侵入式BCI信号
运动想象(MI)诱发的mu/beta事件相关去同步(ERD)与术后反弹(ERS)可在单试次水平解码左右手、双脚及联合动作，提供4-6维连续控制；
稳态视觉诱发电位(SSVEP)通过频率-相位联合编码，把目标数扩展至>100个，信息传输率(ITR)突破300 bit min；
P300与运动相关皮层电位(MRCP)分别用于“奇ball选字”和“自发行走起始”检测，MRCP的Bereitschaftspotential成分比动作提前1.5 s出现，为异步启动提供时间窗。
Ⅳ. 系统能力
A. 用户训练策略
采用Yerkes-Dodson倒U型定律，引入VR/AR embodiment与正念减压(MBSR)训练，使MI-ERD幅度提升25%，BCI文盲率从30%降至12%。
B. 外部设备控制
结合源成像与连续追踪范式，6名受试者用MI实现三维机械臂“追靶”任务，平均相关系数ρ=0.78，显著优于传统离散trial；SSVEP-MI混合策略进一步完成四轴飞行器3D越障飞行。
C. 临床应用
在四肢瘫痪患者身上，MI驱动的共享控制轮椅穿越窄门成功率达86%；脑控功能性电刺激(FES)让两名高位SCI受试者实现“思想开掌”日常抓握，Fugl-Meyer上肢评分提高>6分。
D. 解码算法展望
黎曼最小距离均值(RMDM)与带注意力机制的CNN-Transformer并列，为“校准自由”和“跨被试即插即用”提供最高鲁棒性；域适应+小样本学习把新用户校准时间从30 min缩短至<3 min。
结论与讨论
文章指出，非侵入式BCI已走出“实验室玩具”阶段，正迈向“居家可用”的关键拐点：源成像把空间分辨率提升至厘米级，黎曼几何与深度迁移学习共同压制会话漂移，而共享控制与AR反馈把用户认知负荷降低40%。未来需重点解决无线干电极长期阻抗稳定、行走伪迹抑制及大语言模型与BCI的语义级融合。随着Neuralink、Synchron等公司加码投资，非侵入式与微创技术互补，将率先在脊髓损伤、脑卒中及抑郁等神经精神疾病领域实现规模化临床落地。
