脑机接口 / BCI

PA-TCNet: Pathology-Aware Temporal Calibration with Physiology-Guided Target Refinement for Cross-Subject Motor Imagery EEG Decoding in Stroke Patients

PA-TCNet：基于病理意识的时序校准与生理引导的目标细化用于中风患者跨受试者运动想象EEG解码

Xiangkai Wang, Yun Zhao, Dongyi He, Qingling Xia, Gen Li, Nizhuan Wang, Ningxiao Peng, Bin Jiang

机构 * School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Chongqing Key Laboratory of Embodied Intelligence Perception and Autonomous Learning for Humanoid Robots（重庆 embodied 智能感知与人形机器人自主学习关键实验室） ； Key Laboratory of Advanced Equipment Intelligence of the Chongqing Education Commission（重庆市教育委员会先进设备智能关键实验室） ； School of Smart Health, Chongqing Polytechnic University of Electronic Technology（重庆电子工程职业大学智能健康学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； School of Pharmacy and Bioengineering, Chongqing University of Technology（重庆理工大学药学院与生物工程学院） ； School of Computer Science and Engineering, Chongqing University of Technology（重庆理工大学计算机科学与工程学院） 纠错

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

AI总结 本文提出PA-TCNet框架，通过病理意识时序校准与生理引导目标细化，提升中风患者跨受试者运动想象EEG解码的鲁棒性，实验在两个独立数据集上达到66.56%和72.75%的准确率。

Canine EEG Helps Human: Cross-Species and Cross-Modality Epileptic Seizure Detection via Multi-Space Alignment

犬类EEG帮助人类：通过多空间对齐实现跨物种和跨模态的癫痫发作检测

Z. Wang, S. Li, Dongrui Wu

机构 * Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（湖北省脑启发智能系统重点实验室，人工智能与自动化学院，华中科技大学） 纠错

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

AI总结 本文提出基于跨物种和跨模态EEG数据的多空间对齐方法，利用深度学习技术提升癫痫发作检测能力，实验显示在有限标注数据下，检测准确率超过90%。

Journal ref National Science Review, 12(6):nwaf086, 2025

EEG-Based Emergency Braking Intensity Prediction Using Blind Source Separation

基于盲源分离的EEG紧急制动强度预测

Zikun Zhou, Wenshuo Wang, Wenzhuo Liu, Hui Yao, Chaopeng Zhang, Yichen Liu, Xiaonan Yang, Junqiang Xi

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） 纠错

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

AI总结 本文提出利用盲源分离方法对EEG信号进行分解，结合时频分析和皮尔逊相关性筛选与制动相关的成分，并通过层次聚类分组，以预测紧急制动强度，实验表明方法在O.D.和H.S.数据集上均优于现有方法。

MLE-Toolbox: An Open-Source Toolbox for Comprehensive EEG and MEG Data Analysis

MLE-Toolbox：用于全面EEG和MEG数据分析的开源工具箱

Xiaobo Liu

机构 * McConnell Brain Imaging Centre, Montreal Neurological Institute, McGill University（麦金尼脑成像中心、蒙特利尔神经研究所、麦吉尔大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 q-bio.NC

AI总结 MLE-Toolbox提供了一个统一的图形界面，整合了EEG和MEG数据从原始导入到机器学习分类的全流程分析，支持自动化去噪、多源定位、频谱分析及深度学习分类，具备与Brainstorm等平台的互操作性。

DSAINet: An Efficient Dual-Scale Attentive Interaction Network for General EEG Decoding

DSAINet: 一种高效的双尺度注意力交互网络用于通用EEG解码

Zhiyuan Ma, Zeyuan Li, Zihao Qiu, Jinhao Li, Lingqin Meng, Xinche Zhang, Yixuan Liu, Xinke Shen, Sen Song

机构 * School of Biomedical Engineering, Tsinghua Laboratory of Brain and Intelligence, and IDG/McGovern Institute for Brain Research, Tsinghua University（生物医学工程系、脑与智能清华实验室及IDG/麦克戈文脑科学研究院，清华大学） ； School of Basic Medical Sciences and Tsinghua Laboratory of Brain and Intelligence, Tsinghua University（基础医学系及脑与智能清华实验室，清华大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（心理学与认知科学系，清华大学） ； Department of Biomedical Engineering, Southern University of Science and Technology（生物医学工程系，南方科技大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 DSAINet通过双尺度注意力机制构建共享时空表示，有效解决EEG解码中任务相关信号的时序差异问题，实现跨任务的高效解码与可解释性。

Benchmarking ERP Analysis: Manual Features, Deep Learning, and Foundation Models

ERP分析基准测试：手动特征、深度学习与基础模型

Yihe Wang, Zhiqiao Kang, Bohan Chen, Yu Zhang, Xiang Zhang

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文系统比较了传统手动特征、深度学习模型和预训练EEG基础模型在ERP分析中的表现，评估了12个数据集上的ERP刺激分类和脑疾病检测任务，探讨了Transformer架构中的嵌入策略。

Comments Accepted by IEEE Transactions on Biomedical Engineering (TBME 2026). Copyright has been transferred to IEEE

SparrowSNN: A Hardware/software Co-design for Energy Efficient ECG Classification

SparrowSNN：面向能源高效心电图分类的软硬件协同设计

Zhanglu Yan, Zhenyu Bai, Tulika Mitra, Weng-Fai Wong

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 本文提出SparrowSNN，一种针对边缘设备优化的软硬件协同设计，通过改进的脉冲激活函数、定制化混合ANN-SNN模型和低功耗可重构ASIC架构，在生物医学数据集上实现了20倍至100倍的能耗降低和状态-of-the-art准确率。

Poisson Flow Model of Cortical Folding Pattern

皮层折叠模式的泊松流模型

Moo K. Chung, Luigi Maccotta, Aaron Struck

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

AI总结 本文提出基于平均曲率梯度的泊松流模型，用于空间一致地表征沟回模式，并为研究青少年肌阵挛性癫痫中的分布皮层异常提供几何框架。

Comments Published in IEEE EMBC 2026

NEMO: Neural Electro-Mechano-Optic Sensors for Multiplexed Neural Interfaces

NEMO：神经电-机-光传感器用于多路复用神经接口

Andrew Cochran, Harshvardhan Gupta, Vishal Jain, Maysamreza Chamanzar, Gianluca Piazza

专题命中 神经信号处理 ：neural interface(title)；neural signal(abstract)

AI总结 NEMO传感器通过电-机-光转换实现高灵敏度神经信号记录，突破传统技术在分辨率与信噪比之间的平衡难题，支持大规模多路复用神经记录。

Explaining Uncertainty in Multiple Sclerosis Cortical Lesion Segmentation Beyond Prediction Errors

解释多发性硬化皮质病变分割中不确定性的原因超越预测误差

Nataliia Molchanova, Pedro M. Gordaliza, Alessandro Cagol, Mario Ocampo--Pineda, Po--Jui Lu, Matthias Weigel, Xinjie Chen, Erin S. Beck, Haris Tsagkas, Daniel Reich, Anna Stölting, Pietro Maggi, Delphine Ribes, Adrien Depeursinge, Cristina Granziera, Henning Müller, Meritxell Bach Cuadra

机构 * Faculty of Biology and Medicine, University of Lausanne (UNIL)（日内瓦大学生物医学学院） ； Radiology Department, Lausanne University Hospital (CHUV)（拉索恩大学医院放射科） ； MedGIFT, Institute of Informatics, School of Management, HES--SO Valais--Wallis University of Applied Sciences and Arts Western Switzerland（应用科学与艺术西瓦利斯-瓦利斯大学信息学院） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Department of Radiology and Medical Informatics, University of Geneva（日内瓦大学放射科与医学信息学系） ； Translational Imaging in Neurology (ThINK) Basel, Department of Medicine and Biomedical Engineering, University Hospital Basel and University of Basel（神经学转化成像（ThINK）巴塞尔，医学与生物医学工程系，巴塞尔大学医院和巴塞尔大学） ； Multiple Sclerosis Center, Department of Neurology, University Hospital Basel（多发性硬化中心，神经科，巴塞尔大学医院） ； Research Center for Clinical Neuroimmunology and Neuroscience Basel (RC2NB), University Hospital Basel and University of Basel（临床神经免疫学和神经科学巴塞尔研究中心（RC2NB），巴塞尔大学医院和巴塞尔大学） ； Department of Neurology, Icahn School of Medicine at Mount Sinai（伊坎医学院 Mount Sinai 神经科） ； Translational Neuroradiology Section, National Institute of Neurological Disorders and Stroke, National Institutes of Health（神经学转化放射学部门，国家神经疾病与中风研究所，国家卫生研究院） ； Neuroinflammation Imaging Lab (NIL), Université catholique de Louvain（神经炎症成像实验室（NIL），卢瓦纳大学） ； EPFL+ECAL Lab, École polytechnique fédérale de Lausanne (EPFL)（EPFL+ECAL 实验室，日内瓦联邦理工学院（EPFL）） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本文提出一个框架，用于分析多发性硬化皮质病变分割中病变尺度的预测不确定性，揭示实例级不确定性与病变大小、形状和皮质涉及程度的关系，通过专家反馈验证其临床相关性。

3D-DXA Cortical and Trabecular Parameters: Agreement Between Hologic Densitometers in Clinical Practice

3D-DXA 骨皮质和骨小梁参数：在临床实践中Hologic密度计之间的协议

Marta I. Bracco, Jorge Malouf, Laurent Maimoun, Xavier Nogues, Jean Paul Roux, François DuBoeuf, Ludovic Humbert

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究评估了不同Hologic密度计系列和型号在临床实践中3D-DXA骨皮质和骨小梁参数的一致性，结果显示参数在不同设备间具有高度一致性，且临床显著性偏差极低。

Comments 17 pages, 2 tables, 4 figures

Deep learning based Non-Rigid Volume-to-Surface Registration for Brain Shift compensation Using Point Cloud

基于深度学习的非刚性体积分到表面注册用于脑移位补偿的点云方法

Eashrat Jahan Muniya, Gernot Kronreif, Ander Biguri, Wolfgang Birkfellner, Sepideh Hatamikia

机构 * Austrian Center for Medical Innovation and Technology（奥地利医学创新与技术中心） ； Medical University of Vienna（维也纳医学大学） ； University of Cambridge（剑桥大学） ； Danube Private University (DPU)（多瑙私人大学（DPU）） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出基于深度学习的非刚性体积分到表面注册方法，利用稀疏手术表面观测进行密集位移场估计，实现有限视野下的脑移位补偿。

Brain-Inspired Capture: Evidence-Driven Neuromimetic Perceptual Simulation for Visual Decoding

脑启发捕获：基于证据的神经模仿感知模拟用于视觉解码

Feixue Shao, Guangze Shi, Xueyu Liu, Yongfei Wu, Mingqiang Wei, Jianan Zhang, Jianbo Lu, Guiying Yan, Weihua Yang

机构 * School of Mathematics, Taiyuan University of Technology（太原科技大学数学学院） ； College of Artificial Intelligence, Taiyuan University of Technology（太原科技大学人工智能学院） ； National Human Genetics Resource Center, National Research Institute for Family Planning（国家人类遗传资源中心、国家计划生育研究院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） 纠错

专题命中 运动想象 ：brain-computer interface(abstract)

AI总结 本文提出Brain-Inspired Capture，通过模仿人类视觉系统处理机制，解决神经信号与视觉模态间的系统性和随机性差距问题，通过动态模糊调节和证据驱动的潜在空间表示提升视觉解码性能。

iPhoneme: Brain-to-Text Communication for ALS Using ConformerXL Decoding

iPhoneme：基于ALS的脑-文本通信系统使用ConformerXL解码

Yoonmin Cha, Dawit Chun, Sung Park

机构 * School of Data Science and Artificial Intelligence（数据科学与人工智能学院） ； Taejae University（泰雅大学） 纠错

专题命中 语音与意图解码 ：EEG(abstract,abstract_cn)；brain-computer interface(abstract)；neural decoding(abstract)

AI总结 iPhoneme通过集成建模和交互设计，解决ALS患者脑机接口中的解码准确性和输入接口限制问题，实现高精度的脑-文本通信。

Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis

通过多视图信息瓶颈框架建模高阶脑相互作用用于基于fMRI的精神疾病诊断

Kunyu Zhang, Qiang Li, Vince D. Calhoun, Shujian Yu

机构 * Department of Computer Science, Vrije Universiteit Amsterdam（范德比大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究中心） ； Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Department of Physics and Technology, UiT - The Arctic University of Norway（北挪威大学物理与技术系） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 cs.LG

AI总结 本文提出O信息度量，用于建模高阶脑相互作用，结合三阶和四阶O信息，通过多视图信息瓶颈框架提升fMRI精神疾病诊断性能，实验表明优于11种基线方法，揭示可解释的区域协同-冗余模式。