脑机接口中的脑电基础模型：研究进展与未来展望

戴仁杰，董申华，吕宝粮，郑伟龙

（上海交通大学 计算机学院，上海，200240）

摘要：脑电基础模型通过大规模预训练与任务适配，正逐渐成为脑机接口研究中的通用基础骨干。本文从三个方面对近年来脑电基础模型的发展进行综述：其一，围绕数据集与任务覆盖展开分析，重点讨论泛化目标如何在数据划分方案和具体评测流程中得到体现；其二，系统梳理模型设计中的关键选择，包括输入构建与分词策略、掩码预训练目标，以及面向异构通道布局的时空建模Transformer架构；再三，比较不同下游适配方式的特点与适用场景，包括线性微调、全参数微调和参数高效微调，并说明在何种设置下这些评测结果更具参考价值。本文强调，现有工作中报告的性能提升往往高度依赖具体实验协议，任务范围、预处理方式、训练预算以及基线选择的差异，都会显著影响结果的可比性及结论的泛化程度。最后，本文讨论了基准评测向套件化发展以及开源工具不断完善的趋势，并进一步展望了未来值得关注的研究方向，包括标准化评测体系的建立、面向脑电特性的模型结构与训练目标设计，以及在实际应用约束下的部署感知适配策略。

关键词：脑电图，基础模型，脑机接口，深度学习

扫二维码浏览全文   

Cite this article

Dai, R., Dong, S., Lü, B. et al. EEG Foundation Models for Brain-Computer Interfaces: Progress and Future Directions. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2922-0