本研究提出IKrNet模型，结合卷积神经网络和双向长短期记忆模块，解决电生理信号分析中药物影响与生理变化的相互作用。IKrNet在生理变异条件下优于现有模型，为临床应用提供新可能性。

本研究提出了一种基于对齐的对抗训练（ABAT）方法，旨在提高电生理信号（EEG）在脑-机接口（BCI）中的鲁棒性和准确性。通过对EEG数据进行对齐，减少数据分布的不一致性，从而显著提升模型的分类性能。实验结果验证了该方法在多个EEG数据集上的有效性。