脑机接口正在走出科幻片。非侵入式方案——不用开颅、不用植入电极——成了学界和资本的新焦点。

深度学习是核心推手。传统方法处理脑电图（EEG）、脑磁图（MEG）等信号，噪声大、维度高，人工特征提取效率极低。神经网络直接把原始信号丢进去，端到端学习，准确率大幅提升。

打开网易新闻 查看精彩图片

但问题也很现实。个体差异大，同一个人的脑电信号今天和明天都不一样，模型泛化困难。数据标注成本极高，采集一小时干净数据可能需要数小时准备。隐私更是绕不开的坎——你的神经活动可能比指纹更唯一。

前沿方向集中在三方面：自监督学习减少对标注数据的依赖，迁移学习解决跨被试泛化，联邦学习在保护隐私的前提下整合多中心数据。硬件层面，干电极和柔性电子正在降低采集门槛。

临床落地最快的是癫痫监测和睡眠障碍诊断，消费级应用还在早期。技术路线之争也很明显：是追求高时空分辨率的侵入式方案，还是坚持安全优先的非侵入式路线？

这篇综述的价值在于系统梳理了2018年以来的技术演进，把散落在计算机视觉、神经工程、信号处理三个领域的进展串成一条线。对于想进入这个方向的工程师，省下了至少三个月的文献调研时间。