本稿では、運動イメージの際に得られる脳波（EEG）と皮質下脳波（ECoG）信号の分類に焦点を当てています。これらの信号は、身体的なアーティファクトの影響を受けやすく、正確な分類が求められています。従来のTransformerベースの手法はこの課題に取り組んでいますが、微細な依存関係を捉えるには限界があります。そこで、本研究ではCortical-SSMという新しいアーキテクチャを提案し、EEGとECoG信号の時間、空間、周波数領域における統合的な依存関係を捕捉します。実験では、50人以上が参加した大規模なMI EEGデータセットおよび筋萎縮性側索硬化症の患者から得られたMI ECoGデータセットを使用し、提案手法はベースライン手法に対して優れた性能を示しました。また、モデルから抽出された視覚的説明により、EEGおよびECoG信号の神経生理学的に重要な領域を効果的に捉えていることが示されました。