脑机接口 / BCI

Percept-Aware Surgical Planning for Visual Cortical Prostheses with Vascular Avoidance

具有血管避让的感知-aware 神经外科手术规划用于视觉皮层假体

Galen Pogoncheff, Alvin Wang, Jacob Granley, Michael Beyeler

机构 * Department of Computer Science, University of California Santa, Barbara School of Computer Science, Carnegie Mellon University Department of Psychological \& Brain Sciences, University of California, Santa Barbara 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；neural interface(abstract)

AI总结 本文提出了一种基于感知的皮层视觉假体手术规划框架，通过优化电极放置以提高视觉重建保真度并确保血管安全。

Towards Interpretable Visual Decoding with Attention to Brain Representations

向基于脑表示的可解释视觉解码迈进

Pinyuan Feng, Hossein Adeli, Wenxuan Guo, Fan Cheng, Ethan Hwang, Nikolaus Kriegeskorte

机构 * Zuckerman Mind Brain Behavior Institute, Columbia University, USA（祖克曼心智大脑行为研究所，哥伦比亚大学，美国） 纠错

专题命中 神经信号处理 ：neural decoding(abstract)；cortical(abstract)

AI总结 本文提出NeuroAdapter框架，通过直接条件化潜在扩散模型于脑表示，实现更透明的脑-图像解码与重建。

Comments Accepted by ICLR 2026

StraightTrack: Towards Mixed Reality Navigation System for Percutaneous K-wire Insertion

StraightTrack：面向混合现实导航系统的穿刺K线植入系统

Han Zhang, Benjamin D. Killeen, Yu-Chun Ku, Lalithkumar Seenivasan, Yuxuan Zhao, Mingxu Liu, Yue Yang, Suxi Gu, Alejandro Martin-Gomez, Russell H. Taylor, Greg Osgood, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.RO

AI总结 StraightTrack通过混合现实导航系统提高经皮K线植入的精度，减少线弯曲问题，提升骨折固定的可靠性。

Journal ref Healthcare Technology Letters Vol. 11 Issue 6 2024

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data

通过流引导神经算子实现自监督学习（时间序列数据）

Duy Nguyen, Jiachen Yao, Jiayun Wang, Julius Berner, Animashree Anandkumar

机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学部，Caltech） ； NVIDIA 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 cs.LG

AI总结 本文提出流引导神经算子（FGNO）框架，通过结合算子学习与流匹配，实现更灵活的自监督学习，提升时间序列数据表示学习的性能和鲁棒性。

Comments Accepted to NeurIPS 2025 Workshop

Neural Functional Alignment Space: Brain-Referenced Representation of Artificial Neural Networks

神经功能对齐空间：人工神经网络的脑参考表示

Ruiyu Yan, Hanqi Jiang, Yi Pan, Xiaobo Li, Tianming Liu, Xi Jiang, Lin Zhao

机构 * Tandon School of Engineering, New York University（纽约大学工程学院） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系） ； The Clinical Hospital of Chengdu Brain Science Institute, MOE Key Laboratory for NeuroInformation,School of Life Science and Technology, University of Electronic Science and Technology of China（成都脑科学研究所临床医院，国家神经信息重点实验室，电子科技大学生命科学与技术学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出神经功能对齐空间，通过建模神经网络的动态表示，揭示了在脑参考空间中的结构化组织，包括模态特定聚类和跨模态收敛。

The Information-Theoretic Imperative: Compression and the Epistemic Foundations of Intelligence

信息论的强制性：压缩与智能的认知基础

Christian Dittrich, Jennifer Flygare Kinne

专题命中 神经信号处理 ：neural signal(abstract)

AI总结 该研究提出压缩效率原则，解释大脑与深度学习模型在表示上的收敛，通过不变量与因果机制的对齐，揭示了智能的认知基础及深度学习中的扩展前沿与鲁棒性关系。

Comments 61 pages, 3 tables, 3 figures, 2 appendices. Submitted to arXiv for open access