脑机接口 / BCI

NeuroPath: Practically Adopting Motor Imagery Decoding through EEG Signals

NeuroPath: 通过EEG信号实际采用运动想象解码

Jiani Cao, Kun Wang, Yang Liu, Zhenjiang Li

机构 * City University of Hong Kong（香港城市大学） ； Florida State University（佛罗里达州立大学） 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 NeuroPath提出一种神经架构，通过EEG信号统一解码运动想象任务，解决现有方法模型孤立、电极配置固定和低信噪比下性能下降的问题。

PAT: Privacy-Preserving Adversarial Transfer for Accurate, Robust and Privacy-Preserving EEG Decoding

PAT: 用于准确、鲁棒且隐私保护的对抗性迁移

Xiaoqing Chen, Tianwang Jia, Yunlu Tu, Dongrui Wu

机构 * Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院脑启发智能系统湖北省重点实验室） ； Shenzhen Huazhong University of Science and Technology Research Institute（深圳华中科技大学研究院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出PAT框架，结合数据对齐、对抗训练和隐私保护迁移，提升EEG解码的准确性、鲁棒性和隐私保护，实验表明其在多个数据集上优于现有方法。

Impact of Validation Strategy on Machine Learning Performance in EEG-Based Alcoholism Classification

验证策略对基于EEG的酒精成瘾分类机器学习性能的影响

Tahir Cetin Akinci, Yuksel Celik, Omer Faruk Ertugrul

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

AI总结 本文研究了验证策略对EEG酒精成瘾分类性能的影响，通过对比不同验证方法发现传统验证方法存在乐观偏差，AdaBoost方法表现最优，具有高准确率和平衡的灵敏度与特异度。

Towards Multi-Source Domain Generalization for Sleep Staging with Noisy Labels

面向噪声标签的多源领域泛化睡眠分期研究

Kening Wang, Di Wen, Yufan Chen, Ruiping Liu, Junwei Zheng, Jiale Wei, Kailun Yang, Rainer Stiefelhagen, Kunyu Peng

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Hunan University（湖南大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG、cs.RO

AI总结 本文提出FF-TRUST框架，通过联合时间-频率早期学习正则化提升噪声标签下的睡眠分期鲁棒性，实验显示在多个数据集上取得最佳性能。

Comments The benchmark and code will be made publicly available at https://github.com/KNWang970918/FF-TRUST.git

From Multimodal Signals to Adaptive XR Experiences for De-escalation Training

从多模态信号到自适应XR体验的降级训练

Birgit Nierula, Karam Tomotaki-Dawoud, Daniel Johannes Meyer, Iryna Ignatieva, Mina Mottahedin, Thomas Koch, Sebastian Bosse

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本文提出了一种多模态实时通信分析系统，用于自适应VR训练的基础交互层，整合了语音、手势、情感分析、脑电波和生理信号，通过同步技术实现用户意识和无意识沟通线索的连续评估，结合社会符号学和象征互动理论，构建了连接低层信号到冲突缓解的解释层。

Comments 16 pages, 5 figures, ACM Intelligent User Interfaces (IUI) Workshops 2026

A Temporally Augmented Graph Attention Network for Affordance Classification

一种时间增强的图注意力网络用于能力分类

Ami Chopra, Supriya Bordoloi, Shyamanta M. Hazarika

机构 * Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出EEG-tGAT，通过引入时间注意力和时间dropout改进GATv2，以提升交互序列中能力分类的性能。

Comments 6 pages, 6 figures. Accepted at 3rd IEEE Guwahati Subsection Conference (GCON 2026)

Mixed Membership Models for Multilevel Functional Data

多级函数数据的混合成员模型

Donatello Telesca, Nicholas Marco, Emma Landry

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出多级函数数据的混合成员模型，利用层次结构扩展传统聚类，通过混合成员概念提升模型灵活性和可扩展性，应用于自闭症儿童脑电图研究。