科学与医疗

脑机接口 / BCI

脑机接口、EEG、神经信号解码、神经假体和脑控交互。

2026-03-30 至 2026-03-30 共收录 4 篇信号源：q-bio.NC, eess.SP, cs.LG, cs.HC, cs.RO

1. EEG解码 2 篇

2512.20620 2026-03-30 cs.HC cs.LG 81%

Uncovering Patterns of Brain Activity from EEG Data Consistently Associated with Cybersickness Using Neural Network Interpretability Maps

从EEG数据中揭示与晕动症一致的脑活动模式

Jacqueline Yau, Katherine J. Mimnaugh, Evan G. Center, Timo Ojala, Steven M. LaValle, Wenzhen Yuan, Nancy Amato, Minje Kim, Kara D. Federmeier

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

AI总结本文通过神经网络可解释性地图，研究EEG数据中与晕动症相关的脑活动模式，提出适应性训练框架以提高小样本和不平衡数据下的分类性能。

2603.25923 2026-03-30 cs.LG 79%

Preventing Data Leakage in EEG-Based Survival Prediction: A Two-Stage Embedding and Transformer Framework

防止EEG基生存预测中的数据泄露：一种两阶段嵌入和Transformer框架

Yixin Zhou, Zhixiang Liu, Vladimir I. Zadorozhny, Jonathan Elmer

机构 * University of Pittsburgh School of Computing and Information（匹兹堡大学计算与信息学院）； University of Pittsburgh Department of Critical Care Medicine（匹兹堡大学重症医学系）

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

AI总结本文提出两阶段框架以防止EEG生存预测中的数据泄露，通过严格隔离训练集提升模型泛化能力。

Comments 9 pages, 2 figures. Preliminary version

2. 神经信号处理 2 篇

2508.11805 2026-03-30 eess.SY cs.NE cs.RO cs.SY 85%

Control of a commercially available vehicle by a tetraplegic human using a brain-computer interface

通过脑机接口控制商用汽车的瘫痪人类

Xinyun Zou, Jorge Gamez, Meghna Menon, Phillip Ring, Chadwick Boulay, Likhith Chitneni, Jackson Brennecke, Shana R. Melby, Gracy Kureel, Kelsie Pejsa, Emily R. Rosario, Ausaf A. Bari, Aniruddh Ravindran, Tyson Aflalo, Spencer S. Kellis, Dimitar Filev, Florian Solzbacher, Richard A. Andersen

机构 * California Institute of Technology（加州理工学院）； Ford Motor Company（福特汽车公司）； Blackrock Neurotech（黑石神经技术公司）； Casa Colina Hospital and Centers for Healthcare（卡萨科利纳医院与医疗中心）； University of California Los Angeles（加州大学洛杉矶分校）； University of Southern California（南加州大学）； The University of Utah（犹他大学）

专题命中神经信号处理：brain-computer interface(title,abstract)；BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结研究通过脑机接口实现瘫痪患者在模拟和真实环境中的车辆操控，证明其与正常人相当的操控速度和精度，展示了BCI在驾驶控制中的可行性与创新性。

Comments 50 pages, 7 figures, 1 table. 27 supplementary pages, 9 supplementary figures, 13 supplementary tables, 9 supplementary movies available as ancillary files

2603.26007 2026-03-30 q-bio.NC cs.AI cs.CV 57%

Longitudinal Boundary Sharpness Coefficient Slopes Predict Time to Alzheimer's Disease Conversion in Mild Cognitive Impairment: A Survival Analysis Using the ADNI Cohort

纵向边界锐度系数斜率预测轻度认知障碍向阿尔茨海默病转化的时间：使用ADNI队列的生存分析

Ishaan Cherukuri

机构 * Independent Researcher USA（美国独立研究员）

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

AI总结研究通过分析纵向边界锐度系数斜率，利用ADNI队列数据，发现其比单次基线扫描更有效预测轻度认知障碍向阿尔茨海默病转化，提升了生存分析的准确性。