脑机接口 / BCI

Sparse Bayesian Modeling of EEG Channel Interactions Improves P300 Brain-Computer Interface Performance

稀疏贝叶斯建模用于EEG通道交互以提高P300脑机接口性能

Guoxuan Ma, Yuan Zhong, Moyan Li, Yuxiao Nie, Jian Kang

机构 * Department of Biostatistics, University of Michigan（生物统计学系，密歇根大学） 纠错

专题命中 EEG解码 ：brain-computer interface(title,abstract)；EEG(title,abstract)；BCI(abstract)；分类 cs.LG

AI总结 本文提出稀疏贝叶斯模型，通过建模EEG通道交互提升P300脑机接口的解码性能和用户吞吐量。

Human-Centered Multimodal Fusion for Sexism Detection in Memes with Eye-Tracking, Heart Rate, and EEG Signals

以人类为中心的多模态融合用于表情包中性别歧视检测：结合眼动追踪、心率和EEG信号

Iván Arcos, Paolo Rosso, Elena Gomis-Vicent

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.HC

AI总结 本文提出了一种结合眼动追踪、心率和EEG信号的多模态融合模型，用于更准确地检测表情包中的性别歧视。

Comments Accepted to appear in the Proceedings of LREC 2026

ODEBrain: Continuous-Time EEG Graph for Modeling Dynamic Brain Networks

ODEBrain: 基于连续时间EEG图的动态脑网络建模

Haohui Jia, Zheng Chen, Lingwei Zhu, Rikuto Kotoge, Jathurshan Pradeepkumar, Yasuko Matsubara, Jimeng Sun, Yasushi Sakurai, Takashi Matsubara

机构 * Information Science and Techinology, Hokkaido University, Japan（信息科学与技术，北海道大学，日本） ； SANKEN, The University of Osaka, Japan（SANKEN，大阪大学，日本） ； Great Bay University, China（大湾大学，中国） ； Department of Computer Science, University of Illinois Urbana-Champaign, USA（计算机科学系，伊利诺伊大学厄巴纳-香槟分校，美国） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 ODEBrain通过整合时空频特征和神经ODE，提升EEG动态预测的鲁棒性和泛化能力。

ULW-SleepNet: An Ultra-Lightweight Network for Multimodal Sleep Stage Scoring

ULW-SleepNet: 一种超轻量级的多模态睡眠阶段评分网络

Zhaowen Wang, Dongdong Zhou, Qi Xu, Fengyu Cong, Mohammad Al-Sa'd, Jenni Raitoharju

机构 * School of Computer Science and Technology, Dalian University of Technology（大连理工大学计算机科学与技术学院） ； Faculty of Information Technology, University of Jyväskylä（于韦斯屈莱大学信息科技学院） ； Key Laboratory of Social Computing and Cognitive Intelligence, Ministry of Education（教育部社会计算与认知智能重点实验室） ； School of Biomedical Engineering, Faculty of Medicine, Dalian University of Technology（大连理工大学生物医学工程学院） ； Department of Computing Sciences, Tampere University（塔尔库大学计算机科学系） ； Faculty of Medicine, University of Helsinki（赫尔辛基大学医学学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP、cs.LG

AI总结 ULW-SleepNet通过轻量级多模态网络实现高效睡眠阶段评分，参数减少达98.6%且保持高准确率，适用于实时睡眠监测。

Comments Accepted to ICASSP 2026

Hybrid Quantum Temporal Convolutional Networks

混合量子时序卷积网络

Junghoon Justin Park, Maria Pak, Sebin Lee, Samuel Yen-Chi Chen, Shinjae Yoo, Huan-Hsin Tseng, Jiook Cha

机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 混合量子时序卷积网络通过结合经典时间窗口化与量子卷积神经网络，实现对多变量时间序列的高效处理，在数据有限条件下表现出优越的参数效率和性能。

Journal ref IEEE International Conference on Quantum Communications, Networking, and Computing (QCNC 2026)