脑机接口 / BCI

Autoregressive Visual Decoding from EEG Signals

从EEG信号进行自回归视觉解码

Sicheng Dai, Hongwang Xiao, Shan Yu, Qiwei Ye

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启智技术国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

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

AI总结 AVDE通过自回归生成框架和对比学习提升EEG信号的视觉解码效率，实现高效且可解释的脑机接口应用。

Journal ref ICLR 2026

Do Models See in Line with Human Vision? Probing the Correspondence Between LVLM Representations and EEG Signals

模型的视觉感知是否与人类视觉一致？探测LVLM表示与EEG信号之间的对应关系

Xin Xiao, Yang Lei, Haoyang Zeng, Xiao Sun, Xinyi Jiang, Yu Tian, Hao Wu, Kaiwen Wei, Jiang Zhong

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

AI总结 本文通过EEG信号分析，揭示了LVLM的视觉表示与人类大脑的对应关系，发现中间层与EEG活动对齐，多模态架构提升大脑对齐性，且视觉表现强的模型EEG相似性更高。

Aligning What EEG Can See: Structural Representations for Brain-Vision Matching

使EEG能看见：用于脑-视觉匹配的结构表示

Jingyi Tang, Shuai Jiang, Fei Su, Zhicheng Zhao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)

AI总结 本文提出EEG-可见层选择策略和分层互补融合框架，通过将EEG信号与中间视觉层对齐，解决跨模态信息不匹配问题，提升零样本视觉解码性能。

LEL: Lipschitz Continuity Constrained Ensemble Learning for Efficient EEG-Based Intra-subject Emotion Recognition

LEL：基于Lipschitz连续性约束的集成学习用于高效EEG基的个体情感识别

Shengyu Gong, Yueyang Li, Zijian Kang, Bo Chai, Weiming Zeng, Hongjie Yan, Zhiguo Zhang, Wai Ting Siok, Nizhuan Wang

机构 * Lab of Digital Image and Intelligent Computation（数字图像与智能计算实验室） ； Shanghai Maritime University（上海 Maritime 大学） ； Department of Chinese and Bilingual Studies（中文与双语研究部） ； The Hong Kong Polytechnic University（香港理工大学） ； Department of Neurology（神经病学部） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医学院附属连云港医院） ； The Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳研究院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 LEL通过引入Lipschitz连续性约束的集成学习方法，提升EEG基个体情感识别的稳定性和鲁棒性，实现高效准确的情绪识别。

Journal ref IEEE Sensors Journal, 2026

Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making

基于EEG的自监督进化学习：神经动态进程与身份流形的进化学习

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出自监督进化学习框架，通过EEG直接发现个体神经动态进程和身份流形，提升安全关键决策中的身份认证与异常检测能力。

UNISEP: A Unified Sensor Placement Framework for Human Motion Capture and Wearables

UNISEP：一种用于人体运动捕捉和可穿戴设备的统一传感器布置框架

Julius Welzel, Sein Jeung, Lara Godbersen, Seyed Yahya Shirazi

专题命中 EEG解码 ：EEG(abstract)

AI总结 UNISEP框架提供了一种统一的传感器布置方法，以提高人类运动和生理数据在不同系统和研究领域中的可重复性和互操作性。

Comments 14 pages, 2 Tables. GitHub Rpostiroy and Page are available from the code availability section

SaiVLA-0: Cerebrum--Pons--Cerebellum Tripartite Architecture for Compute-Aware Vision-Language-Action

SaiVLA-0：基于大脑-脑桥-小脑三元架构的计算感知视觉-语言-动作

Xiang Shi, Wenlong Huang, Menglin Zou, Xinhai Sun

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

AI总结 SaiVLA-0提出基于大脑-脑桥-小脑三元架构的计算感知视觉-语言-动作系统，通过模块化设计提升效率与稳定性，初步实验显示训练时间减少且成功率显著提升。

Comments 14 pages, 3 figures

Task learning increases information redundancy of neural responses in macaque visual cortex

任务学习增加灵长类视觉皮层神经响应的信息冗余

Shizhao Liu, Anton Pletenev, Ralf M. Haefner, Adam C. Snyder

机构 * Department of Brain and Cognitive Sciences, University of Rochester（脑科学与认知科学系，罗切斯特大学） ； Center for Visual Science, University of Rochester（视觉科学中心，罗切斯特大学） ； Department of Computer Science, University of Rochester（计算机科学系，罗切斯特大学） ； Department of Physics & Astronomy, University of Rochester（物理与天文学系，罗切斯特大学） ； Department of Neuroscience, University of Rochester（神经科学系，罗切斯特大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 该研究发现任务学习通过增加神经响应冗余，提高了单个神经元的信息携带能力，表明大脑处理感觉信息的过程更倾向于生成性推断。

Comments published in Science, accepted manuscript prior to editing, main text: 33 pages, 5 figures, 39 supplementary pages, 22 supplementary figures, 7 supplementary tables

Journal ref Science, 391(6789), 1029-1035 (2026)

Polarization-wave propagation as a biophysical mechanism of visual cognition

偏振波传播作为视觉认知的生物物理机制

Hyun Myung Jang, Youngwoo Jang, Hyeon Han

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出偏振波作为视觉认知的生物物理机制，通过分析标量电位场和偏振波的传播特性，揭示其与认知推断调制波速度一致的机制，解释了视觉感知中跨通道干扰的抑制过程。

Comments 24 pages for main manuscript including figures, 4 figures, 11 pages for supplementary information, 35 references cited

SpatialMAGIC: A Hybrid Framework Integrating Graph Diffusion and Spatial Attention for Spatial Transcriptomics Imputation

SpatialMAGIC: 一种融合图扩散与空间注意力的混合框架用于空间转录组学插值

Sayeem Bin Zaman, Fahim Hafiz, Riasat Azim

机构 * Department of Computer Science and Engineering, United International University（计算机科学与工程系，国际联合大学） 纠错

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

AI总结 SpatialMagic通过融合图扩散与空间注意力机制，提升空间转录组学数据插值精度，提高下游生物分析效果。

Comments 30 pages, 6 figures

A Cortically Inspired Architecture for Modular Perceptual AI

一种模块化感知人工智能的皮层启发架构

Prerna Luthra

机构 * Independent Researcher（独立研究者） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出了一种受皮层启发的模块化感知人工智能架构，通过分解感知为专门模块，提升可解释性和推理透明度。

Comments Accepted to the ICLR 2026 Workshop on "From Human Cognition to AI Reasoning: Models, Methods, and Applications (HCAIR)"

Neural Control and Learning of Simulated Hand Movements With an EMG-Based Closed-Loop Interface

基于EMG的闭环接口的神经控制与学习：模拟手部运动

Balint K. Hodossy, Dario Farina

专题命中 运动想象 ：neural signal(abstract)；neural interface(abstract)；分类 q-bio.NC、cs.HC

AI总结 本文提出了一种结合肌肉骨骼模拟、强化学习和在线肌电合成的神经机械模型，用于模拟手部运动并评估神经控制器。

Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology

将H&E图像转化为IHC：一种变异性惩罚的GAN用于精准肿瘤学

Sara Rehmat, Hafeez Ur Rehman, Byeong-Gwon Kang, Sarra Ayouni, Yunyoung Nam

专题命中 BCI数据与评测 ：BCI(abstract)

AI总结 本研究提出一种变异性惩罚的GAN模型，用于将H&E图像转化为高保真的IHC图像，以提升HER2阳性乳腺癌的诊断效率和精度。

Duala: Dual-Level Alignment of Subjects and Stimuli for Cross-Subject fMRI Decoding

Duala: 用于跨受试者fMRI解码的双层主体与刺激对齐

Shumeng Li, Jintao Guo, Jian Zhang, Yulin Zhou, Luyang Cao, Yinghuan Shi

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Institute of Brain-Machine Interface, Nanjing University（脑机接口研究院，南京大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)

AI总结 Duala通过双层对齐方法提升跨受试者fMRI解码的准确性和鲁棒性