脑机接口 / BCI

EEG-Based Brain-LLM Interface for Human Preference Aligned Generation

基于EEG的脑-大语言模型接口用于人类偏好对齐生成

Junzi Zhang, Jianing Shen, Weijie Tu, Yi Zhang, Hailin Zhang, Tom Gedeon, Bin Jiang, Yue Yao

机构 * Shandong University, China（山东大学） ； Australian National University, Australia（澳大利亚国立大学） ； Curtin University, Australia（Curtin大学） 纠错

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

AI总结 本文提出基于EEG的脑-大语言模型接口，通过EEG信号引导图像生成模型，利用神经信号反馈实现模型动态适应，为适应性语言模型推理提供新思路。

Comments 15 pages, 9 figures

Learning Domain- and Class-Disentangled Prototypes for Domain-Generalized EEG Emotion Recognition

学习领域和类别解耦的原型以实现领域通用的EEG情绪识别

Guangli Li, Canbiao Wu, Zhehao Zhou, Na Tian, Li Zhang, Zhen Liang

机构 * School of Biological Science and Medical Engineering, Hunan University of Technology（湖南理工大学生物科学与医学工程学院） ； School of Biomedical Engineering, Health Science Center, Shenzhen University（深圳大学生物医学工程学院） ； Guangdong Provincial Key Laboratory of Biomedical Measurements and Ultrasound Imaging（广东省生物医学测量与超声成像重点实验室） ； Shenzhen Pengrui Brain Science Technology（深圳鹏瑞脑科学科技） 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 本文提出MAT框架，通过解耦领域和类别特征，提升EEG情绪识别在未知目标领域的鲁棒性和可解释性，实验显示在三个公开数据集上准确率提升2.87%-3.84%。

DECODE: Dual-Enhanced Conditioned Diffusion for EEG Forecasting

DECODE：双增强条件扩散用于脑电波预测

Mehran Shabanpour, Sadaf Khademi, Konstantinos N Plataniotis, Arash Mohammadi

机构 * Concordia Institute for Information Systems Engineering (CIISE), Concordia University, Canada. Department of Electrical ； Computer Engineering, University of Toronto, Canada 纠错

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

AI总结 DECODE通过结合自然语言描述与历史信号的时序动态，实现对认知事件特定神经响应的预测，达到亚微伏精度。

EEG-SeeGraph: Interpreting functional connectivity disruptions in dementias via sparse-explanatory dynamic EEG-graph learning

EEG-SeeGraph: 通过稀疏解释性动态EEG图学习解读痴呆症的功能连接紊乱

Fengcheng Wu, Zhenxi Song, Guoyang Xu, Kaisong Hu, Zirui Wang, Yi Guo, Zhiguo Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Institute of Neurological Diseases, Shenzhen Bay Laboratory, Shenzhen, China（深圳湾实验室神经疾病研究院） 纠错

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

AI总结 本文提出EEG-SeeGraph，通过稀疏解释性动态EEG图学习方法，解析痴呆症中功能连接紊乱，具备噪声鲁棒性和可解释性。

Localized Sparse Principal Component Analysis of Multivariate Time Series in Frequency Domain

多变量时间序列频域中的局部稀疏主成分分析

Jamshid Namdari, Amita Manatunga, Fabio Ferrarelli, Robert Krafty

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出一种在频域中对高维时间序列进行可解释主成分分析的方法，通过开发高效的频域序列算法，实现稀疏局部化的主成分估计，用于理解精神分裂症患者的神经机制。

Comments 63 pages, 6 figures