近日，中国科学院沈阳自动化研究所机器人学研究室医疗康复机器人研究组，在国际权威期刊Neurocomputing在线发表成果，提出了一种基于桥接结构与注意力机制的新型脑电信号解码网络BANet，为运动想象脑机接口（BCI）的鲁棒性提升与实际应用提供了全新技术路径。

基于BANet深度网络架构的脑电解码方法

脑机接口是融合人工智能与神经科学的前沿技术，可实现人脑与外部设备的直接交互，广泛应用于神经康复、智能假肢及人机协作等领域。其中，运动想象脑电解码是核心关键，但脑电信号的非线性、特征弱可分性与个体差异性，长期制约着解码精度与系统稳定性。

针对这一痛点，科研团队受Transformer架构启发，设计了创新的BANet网络。该网络引入了定制化桥接模块，可同时从局部与全局视角，提取脑电信号的时序特征，精准建模复杂的神经信号依赖关系。

同时，网络融合ECA与MSA双重注意力机制，搭配Inception结构，能聚焦关键特征、过滤冗余信息，进一步优化时空特征的利用效率。

实验表明，BANet在国际通用的BCI Competition IV数据集上表现优异，解码性能显著优于近年主流深度学习方法。

该研究还通过T-SNE与Grad-CAM技术实现了解码过程可视化，清晰验证了网络对脑电关键特征的提取能力。目前，BANet网络已开源，可为全球科研人员提供技术参考，助力推动脑机接口技术向更鲁棒、更实用的方向发展，为瘫痪患者康复、智能人机交互等场景提供重要技术支撑。

该成果以BANet: A Network Based on Bridge Structures and Attention Mechanisms for EEG Decoding为题发表，论文第一作者为博士生吴雪健，通讯作者为褚亚奇副研究员和赵新刚研究员。该研究获得了国家自然科学基金、国家重点研发计划，辽宁省自然科学基金等项目的支持。

医疗康复机器人研究组长期专注于脑/肌电解码、人机/脑机智能交互等关键技术及系统研发应用，在非理想脑肌电信号识别、运动意图解码、肌电交互、脑机接口等方面的研究取得多项创新成果。近年来多篇研究成果发表在国际知名学术期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering,IEEE Transactions on Systems, Man, and Cybernetics: Systems, IEEE/CAA Journal of Automatica Sinica, IEEE Journal of Biomedical and Health Informatics, Science China Technological Sciences, Journal of Neural Engineering, Frontiers in Neurorobotics。（机器人学研究室）

论文链接：

DOI:10.1016/j.neucom.2026.133552

https://www.sciencedirect.com/science/article/pii/S0925231226009495

本文网络开源地址：

https://github.com/woaixueximax/BANet