科学与医疗

脑机接口 / BCI

脑机接口、EEG、神经信号解码、神经假体和脑控交互。

2026-03-12 至 2026-03-12 共收录 3 篇信号源：q-bio.NC, eess.SP, cs.LG, cs.HC, cs.RO

1. 神经信号处理 3 篇

2603.11032 2026-03-12 q-bio.NC cond-mat.dis-nn cond-mat.stat-mech 57%

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

2603.09137 2026-03-12 cs.CV 50%

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）

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。

2601.09006 2026-03-12 eess.IV cs.CV physics.med-ph 50%

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）

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。