异构迁移学习（无创脑机接口中的跨脑电帽迁移学习）

本文介绍BCI中的跨脑电帽的迁移学习最新算法。 （发表于2025 arxiv，应该属于投稿阶段，这个场景具有非常不错的研究意义和前景）

最新跨脑电帽异构算法github开源代码

SDDA算法原文

一、脑机接口绪论

脑机接口（BCI）指在人或动物大脑与外部设备之间创建的直接连接，通过脑机接口可以实现大脑与设备的信息交互。脑机接口自20世纪70年代被正式提出以来，已经在脑科学、人机交互、临床诊疗领域取得了广泛的研究与突破[1]。人脑中的神经元通过释放电信号来进行信息传递，这些信号可以通过不同方式来获取，包括脑电图（EEG）、功能性磁共振成像（fMRI）、脑磁图（MEG）等。这些信号可以通过特定的算法进行解析和处理，从而实现与外部设备的互动。

从信号采集方式的角度来看，脑机接口中可以分为：侵入式、非侵入式、半侵入式。侵入式的采集方式是指将脑电信号采集设备植入大脑皮层中，可以采集到更加精准的神经反馈脑电信号，但侵入式的方式由于需要对受试者进行手术植入电极或电极阵列，因此存在较大的风险