脑机接口 / BCI

Multi-Source Neural Activity Indices for EEG/MEG Localization: A Two-Stage Spatial Filtering Framework and Extension to MNE-Python

多源神经活动指数用于EEG/MEG定位：一种两阶段空间滤波框架及其对MNE-Python的扩展

Julia Jurkowska, Joanna Dreszer, Monika Lewandowska, Krzysztof Tołpa, Tomasz Piotrowski

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

AI总结 本文提出一种两阶段空间滤波框架，通过多源神经活动指数实现EEG/MEG源定位，无需目标源协方差矩阵，适用于实际实验场景，且提供开源实现。

Interpretable Fuzzy Modeling Reveals Population-Level Representation Differences in P300 Brain Computer Interfaces Across Neurodivergent and Neurotypical Cohorts

可解释的模糊建模揭示了P300脑机接口在自闭症、肌萎缩侧索硬化和典型神经群体中的群体层面表征差异

Xiaowei Jiang, Sudong Shang, Adrian Wilkinson, Michael L. Platt, Da Xiao, Bening Cao, Thomas Do

机构 * Department of Management, Griffith Business School（管理学院，格里菲斯商学院） ； Department of Neuroscience, Perelman School of Medicine, University of Pennsylvania（神经科学系，佩尔曼医学学院，宾夕法尼亚大学） ； Marketing Department, Wharton School of Business, University of Pennsylvania（营销系，沃顿商学院，宾夕法尼亚大学） ； Department of Psychology, School of Arts and Sciences, University of Pennsylvania（心理学系，艺术与科学学院，宾夕法尼亚大学） 纠错

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

AI总结 本文提出可解释的模糊时空框架用于P300分类，分析不同群体在波形形态和表征几何上的系统性差异，揭示群体异质性对解码性能及模型学习结构的影响。