自计算技术问世以来,人与计算机技术之间的差距已大大缩小。从早期的人机界面(如键盘和麦克风)开始,人与计算机之间的界限逐渐模糊,这主要归功于脑机接口的出现和利用 [34]。在快速发展的脑机接口 (BCI) 领域,脑电图 (EEG) 分析在建立人脑与机器学习 (ML) 算法之间的联系方面起着至关重要的作用 [5,11,37,40,43,44,45]。ML 算法的普及和 EEG 数据的日益普及为研究人员探索解释原始 EEG 数据的新方法创造了激动人心的机会。然而,由于研究论文数量庞大且过时速度很快,这一进展对新手来说是一个挑战,使得有效驾驭研究领域变得具有挑战性。为了应对这一艰巨的挑战,我们对脑机接口 (BCI) 领域的现有文献进行了细致的研究,并