脑机接口 / BCI

Bridging scalp and intracranial EEG in BCI via pretrained neural representations and geometric constraint embedding

通过预训练神经表示和几何约束嵌入桥接头皮和脑内EEG

Yihang Dong, Changhong Jing, Shuqiang Wang

机构 * Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；BCI(title,summary_cn)；brain-computer interface(abstract)；neural signal(abstract)

AI总结 本文提出统一框架提升EEG-iEEG表示，通过几何结构指导功能，结合预训练模型和扩散过程生成高保真神经信号，提升BCI性能。

EEGDM: Learning EEG Representation with Latent Diffusion Model

EEGDM: 通过潜在扩散模型学习EEG表示

Shaocong Wang, Tong Liu, Yihan Li, Ming Li, Kairui Wen, Pei Yang, Wenqi Ji, Minjing Yu, Yong-Jin Liu

机构 * Tsinghua University（清华大学） ； Tianjin University（天津大学） 纠错

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

AI总结 EEGDM提出一种基于潜在扩散模型的自监督框架，通过生成EEG信号来捕捉全局动态和长程依赖，实现高质量的EEG信号重建和鲁棒表示学习。

Robust Evaluation of Neural Encoding Models via ground-truth approximation

通过地面真实近似方法对神经编码模型进行稳健评估

Giovanni M. Di Liberto

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

AI总结 本文提出了一种基于地面真实近似的评估框架，通过皮质相关分析和受试者平均对MEEG信号与预测进行对齐，提高了对刺激相关神经活动的敏感性，从而在合成EEG数据和真实MEEG数据集上显著提升了编码模型的评估效果。

Detecting Regime Transitions in Dynamical Systems via the Mixup Euler Characteristic Profile

通过混合欧拉特征谱检测动力系统中的模式转换

Sushovan Majhi, Atish Mitra, Santanu Nandi, Md Nurujjaman, Buddha Nath Sharma

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出利用混合欧拉特征谱检测动力系统模式转换的方法，结合复杂度方差、Higuchi分形维数和滚动均值基线，提升了对印度季风起始的预测精度。