脑机接口 / BCI

Deep Convolutional Architectures for EEG Classification: A Comparative Study with Temporal Augmentation and Confidence-Based Voting

用于EEG分类的深度卷积架构：带有时间增强和基于置信度的投票的比较研究

Aryan Patodiya, Hubert Cecotti

机构 * Department of Computer Science（计算机科学系） ； California State University, Fresno（加州州立大学，弗雷斯诺分校） 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 本文比较了深度学习架构在EEG信号分类中的应用，通过时间增强和置信度投票机制提升分类性能，发现3D CNN在AUC和平衡准确率上优于2D架构。

Comments 14 pages, 8 figures, Recent Trends in Image Processing and Pattern Recognition, Copyright held by Springer CCIS

Channel Selected Stratified Nested Cross Validation for Clinically Relevant EEG Based Parkinsons Disease Detection

基于临床相关EEG的帕金森病检测通道选择分层嵌套交叉验证

Nicholas R. Rasmussen, Rodrigue Rizk, Longwei Wang, Arun Singh, KC Santosh

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

AI总结 本文提出一种分层嵌套交叉验证框架，通过患者层面分层、多层窗口化和内循环通道选择，解决EEG数据中的偏差和信息泄露问题，实现80.6%的准确率，为临床应用提供可靠基础。

Comments Submitted to IEEE Conference -> Accepted 1/23/26

BCMI-Driven Motion Control Detection: EEG-Based Machine Learning and Interaction Entropy for High-Order Brain Networks

基于BCMI的运动控制检测：基于EEG的机器学习与交互熵用于高阶脑网络

Jiajia Li, Fan Li, Jian Song

专题命中 EEG解码 ：EEG(title,abstract)；分类 q-bio.NC

AI总结 本文研究音乐辅助模拟驾驶中认知运动控制检测及神经调节机制，利用EEG交叉信息熵构建动态高阶网络模型，揭示音乐听和驾驶时脑网络动态协调，发现音乐刺激驾驶中高阶连接性和信息熵增强，证明高阶特征在解码音乐模拟驾驶中脑运动控制状态的重要性。

Comments 13 pages, 8 figures

Fronto-parietal and fronto-temporal EEG coherence as predictive neuromarkers of transcutaneous auricular vagus nerve stimulation response in treatment-resistant schizophrenia: A machine learning study

额顶和额颞EEG相干性作为经皮耳部迷走神经刺激反应的预测神经生物标记物：一项机器学习研究

Yapeng Cui, Ruoxi Yun, Shumin Zhang, Yi Gong, Zhiqin Li, Ying Chen, Mingbing Su, Dongniya Wu, Jingxia Wu, Qian Wang, Jianan Wang, Qianqian Tian, Yangyang Yuan, Shuhao Mei, Lei Wu, Xinghua Li, Bingkui Zhang, Taipin Guo, Jinbo Sun

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

AI总结 本研究利用机器学习开发EEG预测模型，探索经皮耳部迷走神经刺激对治疗抵抗型精神分裂症负性症状的预测神经机制。

Comments This manuscript has been submitted to the Journal of Psychiatric Research. This is a preprint version uploaded to arXiv for open access. The manuscript has not been peer-reviewed or formally published. It contains 34 pages and 3 figures

Quantum Sensing MRI for Noninvasive Detection of Neuronal Electrical Activity in Human Brains

量子传感MRI用于非侵入性检测人类大脑神经元电信号

Yongxian Qian, Ying-Chia Lin, Seyedehsara Hejazi, Kamri Clarke, Kennedy Watson, Xingye Chen, Nahbila-Malikha Kumbella, Justin Quimbo, Abena Dinizulu, Simon Henin, Yulin Ge, Arjun Masurkar, Anli Liu, Yvonne W. Lui, Fernando E. Boada

专题命中 EEG解码 ：EEG(abstract)；cortical(abstract)

AI总结 本文提出量子传感MRI技术，利用临床MRI系统直接检测神经元活动引起的磁场，通过水分子中的质子自旋实现非侵入性神经电信号检测，为功能性成像提供新方法。

Comments 26 pages, 8 figures, 2 tables, and Supplementary Information

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CAMEL-CLIP: Channel-aware Multimodal Electroencephalography-text Alignment for Generalizable Brain Foundation Models

CAMEL-CLIP：面向通用脑基础模型的通道感知多模态EEG-文本对齐

Hanseul Choi, Jinyeong Park, Seongwon Jin, Sungho Park, Jibum Kim

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Incheon National University（庆尚国立大学） ； Department of Artificial Intelligence（人工智能系） ； Inha University（Inha大学） ； Center for Brain-Machine Interface（脑机接口中心） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 CAMEL-CLIP通过通道属性位置编码、动态通道投影和双级对比学习，提升EEG-文本多模态基础模型在通道异质性下的鲁棒性，实验表明其在线性探测中表现最优。

Schema-based active inference supports rapid generalization of experience and frontal cortical coding of abstract structure

基于模式的主动推断支持经验的快速泛化和前额叶皮层对抽象结构的编码

Toon Van de Maele, Tim Verbelen, Dileep George, Giovanni Pezzulo

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

AI总结 本文提出基于模式的分层主动推断框架，通过模拟展示其在空间导航任务中实现快速模式泛化的能力，并揭示前额叶皮层中与模式相关的神经编码机制。

The Neuroscience of Transformers

变换器的神经科学

Peter Koenig, Mario Negrello

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

AI总结 本文探讨变换器网络如何类比大脑皮层微电路结构，提出变换器操作与皮层分层特征的映射关系，为研究皮层功能提供新视角。

Comments 1 figure, 5 tables

The DIME Architecture: A Unified Operational Algorithm for Neural Representation, Dynamics, Control and Integration

DIME架构：神经表示、动态、控制与整合的统一操作算法

Ionel Cristian Vladu, Nicu Bizdoaca, Ionica Pirici, Tudor-Adrian Balseanu, Eduard Nicusor Bondoc

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

AI总结 本文提出DIME架构，整合感知、记忆、估值和意识访问，通过四个交互组件提供统一计算框架，符合神经科学实验证据并为人工智能提供新范式。

Comments 45 pages, 8 figures. Architectural overview of the DIME framework. Extended theoretical treatment available in companion monograph (Zenodo)

LightBeam: An Accurate and Memory-Efficient CTC Decoder for Speech Neuroprostheses

LightBeam: 一种准确且内存高效的CTC解码器用于语音神经假体

Ebrahim Feghhi, Junlin Hu, Nima Hadidi, Jonathan C. Kao

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

AI总结 本文提出LightBeam，一种无需WFST的CTC解码器，仅需10GB内存即可在Brain-to-Text'24和'25基准上实现最佳性能，通过延迟融合集成LLM，无需大N-gram语言模型。

Comments 4 pages, 2 figures

The Challenge of Out-Of-Distribution Detection in Motor Imagery BCIs

运动想象脑机接口中分布外检测的挑战

Merlijn Quincent Mulder, Matias Valdenegro-Toro, Andreea Ioana Sburlea, Ivo Pascal de Jong

机构 * Department of Artificial Intelligence, University of Groningen（格罗宁根大学人工智能系） 纠错

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

AI总结 本文研究了运动想象脑机接口中分布外检测的挑战，通过训练模型并观察对未知类别的检测能力，发现高不确定性影响检测效果，MC Dropout表现最佳，高分类准确率可提升检测鲁棒性。

Surgi-HDTMR: Closing the Sensorimotor Loop in Bimanual Microsurgery via Haptics, Digital Twin, and Mixed Reality

Surgi-HDTMR：通过触觉、数字孪生和混合现实闭合双手微手术的传感器运动环路

Songming Ping, Shaoyue Wen, Junhong Chen, Wen Fan, Lan Wei, Dandan Zhang

专题命中 脑控机器人 ：cortical(abstract)

AI总结 本文提出Surgi-HDTMR系统，结合触觉、数字孪生和混合现实技术，提升微手术训练的沉浸感和触觉反馈，缩短任务时间并提高手术安全性。

BrainWhisperer: Leveraging Large-Scale ASR Models for Neural Speech Decoding

BrainWhisperer: 利用大规模ASR模型进行神经语音解码

Tommaso Boccato, Michal Olak, Matteo Ferrante

专题命中 语音与意图解码 ：brain-computer interface(abstract)

AI总结 本文提出BrainWhisperer，结合高分辨率MEA记录与预训练ASR模型，通过改进的CTC和交叉熵损失实现跨受试者语音解码，展示出前所未有的泛化能力。

Toward Robust, Reproducible, and Widely Accessible Intracranial Language Brain-Computer Interfaces: A Comprehensive Review of Neural Mechanisms, Hardware, Algorithms, Evaluation, Clinical Pathways and Future Directions

迈向稳健、可重复和广泛可及的颅内语言脑机接口：神经机制、硬件、算法、评估、临床路径及未来方向的综合性综述

Dongyi He, Wai Ting Siok, Nizhuan Wang

专题命中 BCI数据与评测 ：brain-computer interface(title,abstract)；neural decoding(abstract)；分类 q-bio.NC

AI总结 综述探讨了颅内语言脑机接口在恢复严重运动和语言障碍患者交流中的潜力，分析了神经机制、硬件、算法等核心方法，并提出未来发展方向。