脑机接口 / BCI

SpecMoE: Spectral Mixture-of-Experts Foundation Model for Cross-Species EEG Decoding

SpecMoE：用于跨物种EEG解码的频谱混合专家基础模型

Davy Darankoum, Chloé Habermacher, Julien Volle, Sergei Grudinin

机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK（格勒诺布尔-阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔国立理工学院、让·库尔曼实验室） ； SynapCell SAS（SynapCell公司） 纠错

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

AI总结 本文提出SpecMoE模型，通过改进的频谱掩码策略和混合专家框架，提升EEG信号解码性能，实现跨物种和跨受试者的高准确率。

Comments 34 pages (12 pages in the main text and 22 pages in Supplementary Information)

Boundary-aware Prototype-driven Adversarial Alignment for Cross-Corpus EEG Emotion Recognition

面向边界的原型驱动对抗对齐用于跨语料EEG情绪识别

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

机构 * School of Biological Science and Medical Engineering, Hunan University of Technology（湖南工业大学生物科学与医学工程学院） ； School of Biomedical Engineering, Health Science Center, Shenzhen University（深圳大学医学部生物医学工程学院） ； 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（深圳鹏瑞脑科学技术有限公司） 纠错

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

AI总结 本文提出原型驱动对抗对齐框架，通过局部类条件对齐、对比语义正则化和边界感知聚合提升EEG情绪识别的跨语料泛化能力，实验显示在多个数据集上取得显著提升。

FEMBA on the Edge: Physiologically-Aware Pre-Training, Quantization, and Deployment of a Bidirectional Mamba EEG Foundation Model on an Ultra-low Power Microcontroller

FEMBA在边缘：一种生理感知的预训练、量化和在超低功耗微控制器上部署双向Mamba EEG基础模型

Anna Tegon, Nicholas Lehmann, Yawei Li, Andrea Cossettini, Luca Benini, Thorir Mar Ingolfsson

机构 * Integrated Systems Laboratory, ETH Zürich（苏黎世联邦理工学院集成系统实验室） ； DEI, University of Bologna（博洛尼亚大学电气、电子与信息工程系） 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FEMBA，通过生理感知预训练、量化和部署，实现基于Mamba的EEG基础模型在超低功耗微控制器上的高效应用，提升长期神经监测性能。

Comments 10 pages, 9 tables, 1 figure

Energy Landscapes of Emotion: Quantifying Brain Network Stability During Happy and Sad Face Processing Using EEG-Based Hopfield Energy

情绪的能量景观：利用基于EEG的Hopfield能量量化快乐和悲伤面孔处理期间大脑网络的稳定性

Barry Djibrina, Jiajia Li

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

AI总结 本研究通过EEG数据和Hopfield能量模型，量化了快乐和悲伤情绪处理中大脑网络的动态稳定性，发现悲伤情绪在alpha频段能量更低，与全局效率呈负相关，表明情绪价值对应于大脑功能景观中的不同吸引盆地。

Comments 10 pages, 5 figures

Epileptic Seizure Prediction Using Patient-Adaptive Transformer Networks

利用患者自适应变换器网络进行癫痫发作预测

Mohamed Mahdi, Asma Baghdadi

机构 * Communication Engineering Department National Engineering School of Tunis Tunis El Manar University ； REGIM-Lab, University of Sfax, National Engineering School of Sfax (ENIS), BP 1173, Sfax, 3038, Tunisia National Engineering School of Tunis Tunis El Manar University 纠错

专题命中 EEG解码 ：EEG(abstract)；neural signal(abstract)；分类 cs.LG

AI总结 本文提出一种患者自适应变换器框架，通过自监督预训练和患者特定微调实现短时间尺度癫痫发作预测，实验表明方法在TUH EEG数据集上验证准确率超过90%。