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)