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 The manuscript has not been peer-reviewed or formally published.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。