脑机接口 / BCI

From Epilepsy Seizures Classification to Detection: A Deep Learning-based Approach for Raw EEG Signals

从癫痫发作分类到检测：基于深度学习的原始EEG信号处理方法

Davy Darankoum, Manon Villalba, Clelia Allioux, Baptiste Caraballo, Carine Dumont, Eloise Gronlier, Corinne Roucard, Yann Roche, Chloe Habermacher, Sergei Grudinin, Julien Volle

机构 * SynapCell SAS ； Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK（格陵兰大学阿尔卑斯分校、国家科学研究中心、格陵兰理工学院、LJK） 纠错

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

AI总结 本文提出基于深度学习的原始EEG信号处理方法，用于癫痫发作检测与分类，通过预处理、后处理及严格评估流程提升检测准确性，并在跨物种验证中表现优异。

Comments 25 pages, 3 tables, 5 figures

Towards Robust Multimodal Physiological Foundation Models: Handling Arbitrary Missing Modalities

迈向稳健的多模态生理基础模型：处理任意缺失模态

Wei-Bang Jiang, Xi Fu, Yi Ding, Cuntai Guan

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 EEG解码 ：brain-computer interface(abstract)；EEG(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出PhysioOmni模型，通过解耦多模态信号提取通用表示，解决现有方法在跨数据集泛化和缺失模态处理上的不足，实验显示其在情绪识别等任务中表现优异。

Comments 19 pages, 5 figures

Learning Topology-Driven Multi-Subspace Fusion for Grassmannian Deep Network

学习拓扑驱动的多子空间融合用于Grassmannian深度网络

Xuan Yu, Tianyang Xu

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出拓扑驱动的多子空间融合框架，通过拓扑收敛分析动态选择和加权任务相关子空间，提升Grassmannian上的子空间协作能力，实验显示在3D动作识别、EEG分类和图任务中表现优异。

Comments Accepted at AAAI 2026

Real-Time Decoding of Movement Onset and Offset for Brain-Controlled Rehabilitation Exoskeleton

脑控康复外骨骼运动起始与终止的实时解码

Kanishka Mitra, Satyam Kumar, Frigyes Samuel Racz, Deland Liu, Ashish D. Deshpande, José del R. Millán

机构 * Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系） ； Chandra Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校查兰电气与计算机工程系） ； Department of Neurology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经病学系） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） ； Meta Reality Labs Research, Redmond, WA, USA（微软现实实验室，华盛顿州雷德蒙德） 纠错

专题命中 脑控机器人 ：EEG(abstract)；motor imagery(abstract)；分类 cs.HC、cs.RO；BCI(comments)

AI总结 本文提出基于EEG的实时双状态运动想象控制方法，实现上肢外骨骼的起止控制，提升解码可靠性并减少偏差，为神经可塑性导向的康复提供技术支持。

Comments Accepted to ICRA 2026. 8 pages, 5 figures. Project page available at https://mitrakanishka.github.io/projects/startstop-bci/

Data-Local Autonomous LLM-Guided Neural Architecture Search for Multiclass Multimodal Time-Series Classification

数据本地自主LLM引导的神经架构搜索用于多类多模态时间序列分类

Emil Hardarson, Luka Biedebach, Ómar Bessi Ómarsson, Teitur Hrólfsson, Anna Sigridur Islind, María Óskarsdóttir

机构 * University of Southampton（南安普顿大学） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出一种数据本地的LLM引导神经架构搜索框架，用于多类多模态时间序列分类，通过轻量级融合MLP和专家架构联合搜索提升模型性能，减少人工干预。