目的　为充分保留和利用运动想象（motor　imagery,　MI）时偶极子的时空信息，本文提出一种新的偶极子成像（dipoles　imaging,　DI）结合3维卷积神经网络（3D　convolutional　neural　network,　3DCNN）的源域MI解码方法（DI-3DCNN）。方法　首先，基于脑源成像（electroencephalography　source　imaging,　ESI）技术计算运动想象脑电信号的偶极子源估计；接着，获取每类MI任务的平均偶极子源估计，基于数据驱动自动选择每类任务中偶极子激活水平较高且最大区分于其他任务的时刻作为中心采样点，再对中心采样点进行前后延伸并按任务顺序组合，形成感兴趣时间（time　of　interest,　TOI）;其次，选择覆盖高激活偶极子的Desikan-Killiany（DK）神经分区，并对局部保持投影方法（local　preserving　projection,　LPP）增加DK分区约束，获得一种改进的有监督LPP(LPP