脑机接口 / BCI

LI-DSN: A Layer-wise Interactive Dual-Stream Network for EEG Decoding

LI-DSN：一种分层交互双流网络用于EEG解码

Chenghao Yue, Zhiyuan Ma, Zhongye Xia, Xinche Zhang, Yisi Zhang, Xinke Shen, Sen Song

机构 * School of Biomedical Engineering, Tsinghua Laboratory of Brain and Intelligence, and IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学生物医学工程学院、清华脑与智能实验室、IDG/麦戈文脑科学研究院） ； School of Life Sciences, Tsinghua University（清华大学生命科学学院） ； Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；motor imagery(abstract)；分类 cs.LG

AI总结 本文提出LI-DSN，通过分层交互机制解决双流网络中信息孤岛问题，引入TSIA机制和自适应融合策略，在八个EEG数据集上验证其优越的解码性能。

NeuroNarrator: A Generalist EEG-to-Text Foundation Model for Clinical Interpretation via Spectro-Spatial Grounding and Temporal State-Space Reasoning

NeuroNarrator：一种通过频谱-空间定位和时间状态空间推理的通用EEG到文本基础模型，用于临床解释

Guoan Wang, Shihao Yang, Jun-en Ding, Hao Zhu, Feng Liu

机构 * Stevens Institute of Technology（史蒂文斯理工学院） 纠错

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

AI总结 NeuroNarrator通过频谱-空间定位和时间状态空间推理，将EEG信号转化为临床文本，解决传统EEG分析方法在临床解释中的局限性。

Phase estimation with autoregressive padding (PEAP): addressing inaccuracies and biases in EEG analysis

带有自回归填充的相位估计（PEAP）：解决EEG分析中的不准确性和偏差

Miriam Kirchhoff, Johanna Rösch, Maria Ermolova, Oskari Ahola, Sarah Harders, Juliana Hougland, Ulf Ziemann

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

AI总结 本文提出PEAP方法以提高EEG数据边缘相位估计的准确性，通过对比四种常用方法发现PEAP在减少带通滤波器伪影方面表现更优，提升了相位估计的准确性。

Optimizing EEG Graph Structure for Seizure Detection: An Information Bottleneck and Self-Supervised Learning Approach

优化EEG图结构用于癫痫检测：信息瓶颈与自监督学习方法

Lincan Li, Rikuto Kotoge, Xihao Piao, Zheng Chen, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） ； The University of Osaka（大阪大学） 纠错

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

AI总结 本文提出IRENE方法，通过信息瓶颈原理和自监督学习优化EEG图结构，解决癫痫检测中的噪声、稀疏标签和患者差异问题，提升模型性能。

Comments Accepted by IEEE 14th International Conference on Healthcare Informatics (ICHI)

RPNT: Robust Pre-trained Neural Transformer -- A Pathway for Generalized Motor Decoding

RPNT：鲁棒预训练神经变换器——通用运动解码的路径

Hao Fang, Ryan A. Canfield, Tomohiro Ouchi, Beatrice Macagno, Eli Shlizerman, Amy L. Orsborn

机构 * University of Washington（华盛顿大学） ； Washington National Primate Research Center（华盛顿国家灵长类研究中心） 纠错

专题命中 运动想象 ：cortical(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出RPNT模型，通过预训练实现鲁棒泛化，提升多任务、多主体和多会话的运动解码性能。