基于多频脑电图（EEG）特征的运动想象（MI）能力个性化预测器：开启脑机接口（BCI）精准训练新篇

为解决运动想象（MI）能力个体差异大导致多数 MI - 脑机接口（BCI）系统训练效果差的问题，研究人员开展了基于多频脑电图（EEG）特征的 MI 能力预测器研究。结果显示，该预测器在不同范式下预测精度超 85%，最高达 96% ，能助力个性化训练，提升 MI-BCI 训练效果。

　　基于运动想象（Motor Imagery，MI）的脑机接口（Brain-Computer Interface，BCI）通过解码大脑意图，为人们提供了额外的控制途径。然而，MI 能力在个体之间存在很大差异，大多数 MI-BCI 系统难以适应这种差异，使得训练效果不佳。因此，对 MI 能力进行预测十分必要。在这项研究中，研究人员提出了一种基于多频脑电图（Electroencephalogram，EEG）特征的 MI 能力预测器。为了验证该预测器的性能，研究人员设计了视频引导范式和传统 MI 范式，并将预测器应用于这两种范式。结果表明，所有受试者在两种应用中的预测精度均超过 85%，最高可达 96%。这一研究表明，该预测器能够准确预测个体在不同状态下的 MI 能力，为个性化训练提供科学依据，进而提升 MI-BCI 的训练效果。