脑机接口 / BCI

A Systematic Evaluation of Self-Supervised Learning for Label-Efficient Sleep Staging with Wearable EEG

可穿戴EEG设备在标签高效睡眠分期中的自监督学习系统评估

Emilio Estevan, María Sierra-Torralba, Eduardo López-Larraz, Luis Montesano

机构 * Bitbrain ； DIIS - I3A, Universidad de Zaragoza（DIIS - I3A，阿拉瓦大学） 纠错

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

AI总结 本文首次系统评估了使用可穿戴EEG进行睡眠分期的自监督学习方法，证明其在减少标注依赖的同时能提升分类性能，达到临床级准确率。

Comments 15 pages, 4 figures

Design and Quantitative Evaluation of an Embedded EEG Instrumentation Platform for Real-Time SSVEP Decoding

基于ESP32-S3微控制器和ADS1299模拟前端的嵌入式EEG仪器平台的设计与定量评估

Manh-Dat Nguyen, Thomas Do, Nguyen Thanh Trung Le, Xuan-The Tran, Fred Chang, Chin-Teng Lin

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

AI总结 本文提出了一种基于ESP32-S3和ADS1299的嵌入式EEG平台，实现了实时SSVEP解码，并通过定量评估展示了其高精度和稳定性。

Task-Oriented Learning for Automatic EEG Denoising

面向任务的学习用于自动EEG去噪

Tian-Yu Xiang, Zheng Lei, Xiao-Hu Zhou, Xiao-Liang Xie, Shi-Qi Liu, Mei-Jiang Gui, Hong-Yun Ou, Xin-Zheng Huang, Xin-Yi Fu, Zeng-Guang Hou

专题命中 EEG解码 ：EEG(title,abstract)；分类 eess.SP

AI总结 本文提出了一种无需干净参考信号的面向任务学习框架，通过任务标签驱动EEG去噪，提升了任务性能和信号质量指标。

Journal ref IEEE Trans. Instrum. Meas., vol. 75, Art. no. 4005015, pp. 1-15, 2026

Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions

通过物理逆解初始化3D神经网络增强脑源重建

Marco Morik, Ali Hashemi, Klaus-Robert Müller, Stefan Haufe, Shinichi Nakajima

机构 * The Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Machine Learning Group, Department of Computer Science, TU Berlin（计算机科学系机器学习组，柏林技术大学） ； Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Max Planck Institut für Informatik（马克斯·普朗克信息研究所） ； Bernstein Center for Computational Neuroscience, Berlin, Germany（柏林计算神经科学中心） ； Physikalisch-Technische Bundesanstalt, Berlin, Germany（柏林物理技术联邦机构） ； Berlin Center for Advanced Neuroimaging, Charité–Universitätsmedizin Berlin, Germany（柏林高级神经成像中心，柏林夏里特大学医学院） ； RIKEN AIP, Tokyo, Japan（日本理化学研究所AIP） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 3D-PIUNet通过结合物理逆解和深度学习技术，提升EEG脑源定位的精度和实用性。

Comments Accepted in IEEE Transactions on Medical Imaging

Journal ref IEEE Transactions on Medical Imaging ( Volume: 45, Issue: 1, pp. 231 - 242, 2026)

Uncovering statistical structure in large-scale neural activity with Restricted Boltzmann Machines

利用受限波尔兹曼机揭示大规模神经活动中的统计结构

Nicolas Béreux, Giovanni Catania, Aurélien Decelle, Francesca Mignacco, Alfonso de Jesús Navas Gómez, Beatriz Seoane

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

AI总结 本研究利用受限波尔兹曼机揭示大规模神经活动中的统计结构，通过建模多个大脑区域的神经元活动，揭示了神经元相互作用的解剖结构和动态特性。

Comments First draft, comments are welcome

Transformer-Based Multi-Region Segmentation and Radiomic Analysis of HR-pQCT Imaging for Osteoporosis Classification

基于变换器的多区域分割与放射组学分析的HR-pQCT影像用于骨质疏松症分类

Mohseu Rashid Subah, Mohammed Abdul Gani Zilani, Thomas L. Nickolas, Matthew R. Allen, Stuart J. Warden, Rachel K. Surowiec

机构 * Weldon School of Biomedical Engineering, Purdue University（普渡大学生物医学工程学院） ； Division of Bone and Mineral Diseases, Washington University Medicine（华盛顿大学医学院骨科与矿物质疾病部） ； Department of Anatomy, Cell Biology & Physiology, Indiana University School of Medicine（印第安纳大学医学院解剖学、细胞生物学与生理学部） ； Department of Physical Therapy, School of Health & Human Sciences, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校物理治疗系） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出基于SegFormer的多区域HR-pQCT分割与放射组学分析，利用软组织特征提升骨质疏松症分类的准确性与AUROC值。

GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI

GOUHFI 2.0：一种用于超高场MRI脑分割和皮层分区的下一代工具箱

Marc-Antoine Fortin, Anne Louise Kristoffersen, Paal Erik Goa

机构 * Department of Physics, Norwegian University of Science and Technology（挪威科学技术大学物理系） ； Department of Radiology and Nuclear Medicine, St. Olavs Hospital HF（斯托尔奥斯医院HF放射科和核医学部） ； Department of Neurology and Clinical Neurophysiology, St. Olavs Hospital HF（斯托尔奥斯医院HF神经科和临床神经生理学部） ； Department of Neuromedicine and Movement Science, St. Olavs Hospital HF（斯托尔奥斯医院HF神经医学与运动科学部） ； Neuro-SysMed Center for Clinical Treatment Research, Department of Neurology, Haukeland University Hospital（Haukeland大学医院神经科临床治疗研究神经系医学中心） ； Department of Clinical Medicine, University of Bergen（卑尔根大学临床医学系） ； K.G. Jebsen Center for Translational Research in Parkinson’s disease, University of Bergen（帕金森病转化研究Jebsen中心，卑尔根大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 GOUHFI 2.0通过引入两个独立训练的3D U-Net分割任务，实现了对超高场MRI数据的高效脑分割和皮层分区，提升了分割准确性和可靠性。

Riemannian Geometry-Preserving Variational Autoencoder for MI-BCI Data Augmentation

保黎曼几何的变分自编码器用于运动想象脑机接口数据增强

Viktorija Poļaka, Ivo Pascal de Jong, Andreea Ioana Sburlea

专题命中 运动想象 ：BCI(title,abstract)；brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

AI总结 本文提出保黎曼几何的变分自编码器，用于生成具有对称正定性质的EEG协方差矩阵，以提升MI-BCI的数据增强效果。

Comments 6 pages, 4 figures, 2 tables

Cross-Species Transfer Learning for Electrophysiology-to-Transcriptomics Mapping in Cortical GABAergic Interneurons

跨物种迁移学习用于皮层GABA能中间神经元的电生理学至转录组映射

Theo Schwider, Ramin Ramezani

专题命中 BCI数据与评测 ：cortical(title)；分类 q-bio.NC、cs.LG

AI总结 本文通过跨物种迁移学习方法，利用电生理学数据和转录组数据，提高人类GABA能中间神经元亚类预测的准确性。

A scalable and real-time neural decoder for topological quantum codes

可扩展且实时的神经解码器用于拓扑量子码

Andrew W. Senior, Thomas Edlich, Francisco J. H. Heras, Lei M. Zhang, Oscar Higgott, James S. Spencer, Taylor Applebaum, Sam Blackwell, Justin Ledford, Akvilė Žemgulytė, Augustin Žídek, Noah Shutty, Andrew Cowie, Yin Li, George Holland, Peter Brooks, Charlie Beattie, Michael Newman, Alex Davies, Cody Jones, Sergio Boixo, Hartmut Neven, Pushmeet Kohli, Johannes Bausch

机构 * Google DeepMind（谷歌DeepMind） ； Google Quantum AI（谷歌量子AI） 纠错

专题命中 其他BCI ：neural decoding(abstract)；分类 cs.LG

AI总结 AlphaQubit 2是一种神经网络解码器，实现了表面码和颜色码的高精度实时解码，为容错量子计算提供了可行的解码方案。

Comments with color code realtime decoding results