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