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