近日，在榕科技领军企业星网锐捷旗下福建星启灵知智能科技有限公司（简称“星启灵知”）联合香港科技大学（广州）陈晋泰教授领衔的医疗机器学习团队，在脑电人工智能与多模态智能分析领域取得新进展。双方共同研发的脑电多模态人工智能方法EEGBind入选ACM Multimedia 2026。该会议是国际计算机学会主办的计算机多媒体领域顶级国际学术会议，也是中国计算机学会推荐的计算机图形学与多媒体领域A类国际学术会议，标志着相关研究获得国际学术界认可。

一、聚焦脑电来源识别，提升AI理解复杂信号能力

该研究围绕脑电信号区域特征分析，构建以脑电为核心的多模态学习框架，探索人工智能如何从复杂脑电信号中提取更具区分度的空间与时序特征，提升复杂信息环境下的稳定分析能力。

传统人工智能方法主要用于判断一段脑电中是否存在异常活动。本次研究进一步希望让AI从复杂波形变化中，判断这些信号更接近哪些脑电来源区域特征。研究将脑电信号按来源区域分为全脑广泛型、额区、颞区、枕区以及中央-顶区五类。这意味着，模型不仅要“看见”脑电信号，还要从短时、复杂且个体差异较大的数据中，提取反映空间分布和信号形态差异的关键特征。

二、融合脑电与视频信息，构建多模态判断框架

脑电采集过程中，通常同步采集视频信息，以记录采集对象的动作、姿态和状态，为判断异常脑电活动来源提供背景参考。研究团队致力于让AI综合判断脑电与视频结合信息，构建了以脑电为核心的多模态融合框架，将脑电作为主要信息来源，同步视频作为辅助上下文。模型先从脑电中提取核心表征，再将视频信息作为辅助证据进行融合，最终完成五类异常脑电来源区域分类。整个系统主要包括脑电与辅助信息融合、信息受干扰时修复、多个模型共同判断三个环节。

三、强化信息不完整场景下的稳定判断能力

当辅助信息不完整时，如果AI过度依赖视频，可能影响最终判断。为此，EEGBind加入“视图一致性修复”机制。研究中，团队主动对部分视频信息进行丢弃或遮蔽，让模型学习在辅助信息发生变化时，仍尽可能保持稳定的脑电表征和分类结果，使AI在信息不完整时依然保持可靠。

研究团队采用加权F1值作为主要评价指标，对不同方法进行比较。从最初仅使用脑电信号的0.6444，到引入多模态融合后的0.8019，再到加入视图一致性修复等机制后的0.8282，最终在NeuroMM 2026 Grand Challenge Track 3（NMM-Source-IED）官方评测中取得0.8395加权F1值，在该赛道所有参评方法中排名第一。

星网锐捷此次联合香港科技大学（广州）取得的脑电AI新进展，正是福州市近年来大力发展人工智能产业、推动产学研深度融合的一个生动缩影。作为“数字中国”建设的重要策源地，福州持续深耕数字经济，出台了《福州市促进人工智能产业发展若干措施》，涵盖模型开发、研发创新、场景应用、主体培育、园区建设、人才引育等九条举措，加快打造数字应用第一城。2025年全市数字经济规模突破8700亿元，数字底座日益坚实。全市人工智能算力合计超3000P，福建人工智能计算中心是全国首批、全省唯一的国家新一代人工智能公共算力开放创新平台，为AI技术研发和产业应用提供了有力支撑。下一步，福州市将继续深入实施“人工智能+”行动，从模型开发、研发创新、场景应用等方面打出政策“组合拳”，加速人工智能成果转化与推广，推动AI技术在更多产业场景落地生根。