稳态视觉诱发电位（SSVEP）凭借信噪比高、特征稳定、解码准确率出众的优势，是非侵入式脑机接口领域应用最广泛的范式之一，在脑机打字、设备控制等场景中具备天然的信息传输效率优势。但传统SSVEP范式通常需要所有刺激目标以不同频率持续闪烁，长时间注视极易引发视觉疲劳，极大限制了用户的连续使用时长；而过往优化方案多围绕提升信噪比堆叠闪烁刺激，反而进一步加重了使用负担，成为制约SSVEP类脑机接口落地普及的核心体验瓶颈。

近日，中国科学院上海高等研究院与上海前瞻创新研究院有限公司联合研发的发明专利“基于SSVEP的脑机接口刺激范式的检测方法和装置”新获授权，跳出“全目标闪烁”的传统思路，提出基于视觉余光的新型刺激范式，搭配“注视方式分类+目标精准识别”的两步解码架构，在保证解码精度与传输效率的前提下，大幅削减闪烁刺激数量，有效降低了SSVEP脑机接口的视觉疲劳，实现了体验与性能的平衡。

基于SSVEP的脑机接口刺激范式的示意图

该方案对刺激界面进行了重新设计：将所有刺激目标以矩阵形式均匀排布，分为闪烁目标行与非闪烁目标行交替排列；非闪烁目标行全部保持静态，闪烁目标行中仅间隔分布设置闪烁目标，其余目标仍保持静态。以40个刺激目标的典型场景为例，仅设置12个闪烁目标，其余28个均为静态的注视目标。用户注视静态目标时，可借助相邻闪烁目标的视觉余光诱发SSVEP响应，整体减少约三分之二的闪烁刺激面积，从源头上降低了长时间使用带来的视觉负荷。同时，所有闪烁目标按统一列对齐排布，保证界面各处闪烁光线均匀，每个静态目标周边均有可依托的余光刺激，避免因削减闪烁点导致信号信噪比显著下降。

配套新型刺激范式，该专利提出了分层解码的检测方法，替代了传统直接遍历所有目标频率的识别逻辑。系统首先根据用户位置与余光范围内的闪烁目标数量，划分出注视闪烁目标、余光内含1个/2个/4个闪烁目标等共6类注视方式。训练阶段，通过任务相关成分分析（TRCA）算法计算各采集通道的权重系数，对多通道脑电信号加权融合得到参考信号，建立每类注视方式对应的信号特征模板。实际检测时，先采用曼哈顿距离相似度将检测信号与参考模板匹配，确定当前注视方式类别，缩小目标匹配范围；再在对应类别内，通过Spearman非线性相关器精准匹配具体注视目标。这种“先分类、后识别”的两步策略，既减少了单轮识别的计算量、缩短了采样时间，也提升了弱特征信号的解码准确率。

基于SSVEP的脑机接口刺激范式的检测方法流程图

专利测试数据显示，在信号采样窗长设为4.6秒、40个控制指令输出场景下，该范式搭配对应检测算法可实现77.12%的解码精度，对于多指令脑机接口而言已具备高度可用性；同时得益于分层解码的效率提升，系统可在更短采样时间内完成识别，能够支撑脑机打字等对信息传输速率要求较高的应用场景。更重要的是，该方案在不牺牲解码性能的前提下大幅降低了视觉刺激强度，显著提升了用户的使用舒适度与可连续使用时长，打破了传统SSVEP范式“高性能与高体验不可兼得”的固有印象。

基于SSVEP的脑机接口刺激范式的结构示意图

基于SSVEP的脑机接口刺激范式对应选择的电极通道示意图

整体来看，这项专利从刺激范式的底层设计入手，结合解码算法的协同优化，为SSVEP类脑机接口提供了兼顾性能与体验的新路径。其成果既可直接应用于现有脑机打字、智能家居控制等场景，也为后续更轻量化、更友好的消费级脑机接口产品研发提供了有益的范式参考。

*特别声明：本页面所包含的文字、图片、音视频等内容仅供医学专业人士学习、交流和参考，不构成诊断、治疗建议或医疗服务推荐。文中专家观点仅代表相关专家个人观点，具体诊疗请遵循专业医务人员的指导。