脑机接口 / BCI

Improving motor imagery decoding methods for an EEG-based mobile brain-computer interface in the context of the 2024 Cybathlon

改进用于基于EEG的移动脑机接口的运动想象解码方法：在2024年Cybathlon背景下的应用

Isabel Whiteley Tscherniak, Niels Christopher Thiemann, Ana McWhinnie-Fernández, Iustin Curcean, Leon Jokinen, Sadat Hodzic, Thomas E. Huber, Daniel Pavlov, Manuel Methasani, Pietro Marcolongo, Glenn Viktor Krafczyk, Oscar Osvaldo Soto Rivera, Thien Le, Flaminia Pallotti, Enrico A. Fazzi

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

AI总结 本文提出了一种模块化的EEG脑机接口系统，通过深度学习实现高精度解码，结合用户反馈和低成本硬件，提升移动BCI的实用性与可访问性。

Comments This work was created by the members of the neuroTUM e.V

Machine learning approaches to uncover the neural mechanisms of motivated behaviour: from ADHD to individual differences in effort and reward sensitivity

利用机器学习揭示动机行为的神经机制：从ADHD到个体在努力和奖励敏感性中的差异

Nam Trinh

机构 * School of Computing（计算学院） ； Dublin City University（都柏林城市大学） 纠错

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

AI总结 本文通过机器学习方法研究ADHD的神经机制，利用EEG和神经影像技术分析努力和奖励敏感性的个体差异，发现前额-顶叶电路在努力评估和奖励处理中起核心作用。

Comments PhD thesis, Dublin City University, December 2025. 194 pages

Efficient Continual Learning in Language Models via Thalamically Routed Cortical Columns

通过丘脑路由皮层柱实现语言模型的高效持续学习

Afshin Khadangi

机构 * SnT, University of Luxembourg（卢森堡大学SnT学院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 cs.LG

AI总结 TRC$^{2}$通过丘脑路由和海马路径实现持续学习，提升任务边界建模质量并减少累积遗忘，优于多种基线模型。

Bias in Surface Electromyography Features across a Demographically Diverse Cohort

表面肌电特征在人口多样化群体中的偏见

Aditi Agrawal, Celine John Philip, Giancarlo K. Sagastume, Marcus A. Battraw, Wilsaan M. Joiner, Jonathon S. Schofield, Lee M. Miller, Richard S. Whittle

机构 * Graduate Group in Computer Science, University of California, Davis（计算机科学研究生组，加州大学戴维斯分校） ； Department of Electrical and Computer Engineering, University of California, Davis（电气与计算机工程系，加州大学戴维斯分校） ； Department of Mechanical and Mechatronic Engineering and Advanced Manufacturing, California State University, Chico（机械与机电工程及先进制造系，加州州立大学奇科分校） ； Department of Neurobiology, Physiology & Behavior, University of California, Davis（神经生物学、生理学与行为系，加州大学戴维斯分校） ； Department of Otolaryngology / Head & Neck Surgery, University of California, Davis（耳鼻喉科/头颈外科系，加州大学戴维斯分校） ； Center for Mind & Brain, University of California, Davis（心智与大脑中心，加州大学戴维斯分校） ； Department of Mechanical & Aerospace Engineering, University of California, Davis（机械与航空航天工程系，加州大学戴维斯分校） 纠错

专题命中 运动想象 ：neural interface(abstract)；分类 cs.LG、cs.HC

AI总结 研究探讨了人口差异对肌电信号的影响及其对基于机器学习的手势解码的 implications，发现33%的常用肌电特征与人口特征显著相关，有助于开发公平的神经接口。

Comments 17 pages, 4 Figures

Seeing the imagined: a latent functional alignment in visual imagery decoding from fMRI data

看见想象：从fMRI数据中通过潜在功能对齐解码视觉意象

Fabrizio Spera, Tommaso Boccato, Michal Olak, Sara Cammarota, Matteo Ciferri, Michelangelo Tronti, Nicola Toschi, Matteo Ferrante

机构 * Department of Biomedicine and Prevention, University of Rome Tor Vergata（罗马特拉维拉大学生物医学与预防系） ； Tether Evo ； A.A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital（马萨诸塞总医院生物医学成像中心） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文研究如何将最先进的感知解码器适应于从Imagery-NSD基准中重建想象内容，提出潜在功能对齐方法以提升高阶语义重构指标。

Univariate Channel Fusion for Multivariate Time Series Classification

单变量通道融合用于多变量时间序列分类

Fernando Moro, Vinicius M. A. Souza

机构 * Pontifícia Universidade Católica do Paraná（圣保罗帕尔纳瓦大学） ； Graduate Program in Informatics (PPGIa)（信息学研究生项目） 纠错

专题命中 其他BCI ：brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出单变量通道融合方法，通过简单策略将多变量时间序列转换为单变量表示，从而高效解决多变量时间序列分类问题，同时在计算效率上优于现有方法。

Comments International Conference on Pattern Recognition (ICPR 2026)