脑机接口 / BCI

EEG-MFTNet: An Enhanced EEGNet Architecture with Multi-Scale Temporal Convolutions and Transformer Fusion for Cross-Session Motor Imagery Decoding

EEG-MFTNet：一种增强型EEGNet架构，结合多尺度时间卷积和Transformer融合用于跨会话运动想象解码

Panagiotis Andrikopoulos, Siamak Mehrkanoon

机构 * Department of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学系） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；motor imagery(title,abstract)；BCI(abstract)；brain-computer interface(abstract)

AI总结 本文提出EEG-MFTNet，通过多尺度时间卷积和Transformer融合提升EEG信号解码精度，实现在SHU数据集上58.9%的分类准确率，兼顾计算效率与实时应用需求。

Comments 6 pages, 4 figs

An Efficient Self-Supervised Framework for Long-Sequence EEG Modeling

一种高效的自监督框架用于长序列EEG建模

Jiazhen Hong, Geoffrey Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究实验室） 纠错

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

AI总结 本文提出EEGM2框架，通过U型编码器-解码器与Mamba-2结合，实现线性计算复杂度，提升EEG长序列建模效率与泛化能力。

Comments 10 pages

Journal ref Proceedings of the ICDM 2025 Workshop on AI for Time Series

Overview of Bayesian Solvers in EEG Distributed Source Models: Prior Selection, Algorithmic Implementation, and Depth Bias Reduction

脑电分布式源模型中贝叶斯求解器综述：先验选择、算法实现与深度偏差减少

Joonas Lahtinen, Alexandra Koulouri

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文综述了用于脑电源成像的贝叶斯方法，重点分析了高斯、拉普拉斯及分组拉普拉斯先验的实现，并通过模拟研究探讨了深度偏差的减少方法。

Comments 41 pages, 9 figures, 5 tables

Attentive Dilated Convolution for Automatic Sleep Staging using Force-directed Layout

基于力导向布局的自动睡眠分期的注意力扩张卷积

Md Jobayer, Md Mehedi Hasan Shawon, Tasfin Mahmud, Md. Borhan Uddin Antor, Arshad M. Chowdhury

机构 * Department of Electrical and Electronic Engineering, BRAC University（BRAC大学电气与电子工程系） ； Department of Biomedical Engineering, Linköping University（林雪平大学生物医学工程系） ； Department of Electrical and Computer Engineering, Texas A&M University（德克萨斯农工大学电气与计算机工程系） 纠错

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

AI总结 本文提出AttDiCNN模型，通过力导向布局捕捉EEG信号关键信息，结合三个模块提取空间-时间特征，实现高精度睡眠分期。

Comments Has been accepted for publication in IEEE Access

Journal ref IEEE Access (2026)

Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures

具有拓扑引导预训练的层次网格变换器用于脑结构形态学分析

Yujian Xiong, Mohammad Farazi, Yanxi Chen, Wenhui Zhu, Xuanzhao Dong, Natasha Lepore, Yi Su, Raza Mushtaq, Stephen Foldes, Andrew Yang, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Banner Health（班纳健康） ； Barrow Neurological Institute（巴罗神经学研究所） 纠错

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

AI总结 本文提出一种层次变压器框架，用于异构网格分析，通过自监督预训练实现跨模态和多尺度的高效注意力机制，用于脑结构形态学分析。

Universal scale-free representations in human visual cortex

人类视觉皮层中的通用自相似表示

Raj Magesh Gauthaman, Brice Ménard, Michael F. Bonner

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

AI总结 研究揭示人类视觉皮层神经表示在多个视觉区域和个体间均呈现自相似结构，表明视觉信息在全维度上系统分布，挑战传统低维分析方法。

Comments 36 pages, 7 main figures, 14 supplementary figures

Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery

基于EEG的混合视觉和运动想象的机器人抓取与放置控制

Yichang Liu, Tianyu Wang, Ziyi Ye, Yawei Li, Yu-Gang Jiang, Shouyan Wang, Yanwei Fu

机构 * Institute of Science and Technology for Brain-inspired Intelligence (ISTBI), Fudan University（复旦大学类脑智能科学与技术研究院） ； School of Data Science, Fudan University（复旦大学大数据学院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 运动想象 ：EEG(title,abstract)；motor imagery(title,abstract)；BCI(abstract)；neural signal(abstract)

AI总结 本文提出一种整合EEG视觉和运动想象与机器人控制的框架，实现实时意图驱动的抓取与放置。系统通过离线预训练解码器在在线流式管道中零样本方式实现神经信号与物理控制的连接，实现视觉意图到机器人动作的转换，验证了纯想象基BCI范式在实际人机协作中的灵活性。

Comments ICRA 2026