脑机接口 / BCI

I see artifacts: ICA-based EEG artifact removal does not improve deep network decoding across three BCI tasks

我看到了伪影：基于ICA的EEG伪影去除在三个BCI任务中并未提高深度网络解码

Taeho Kang, Yiyu Chen, Christian Wallraven

专题命中 EEG解码 ：EEG(title,title_cn)；BCI(title,title_cn)；motor imagery(abstract)；分类 cs.HC

AI总结 本文研究了基于独立成分（IC）的噪声去除方法在不同任务数据集中的神经网络分类器解码效果，发现IC基噪声去除对解码性能提升有限，尤其在计算资源消耗方面显著。

Comments Article already accepted in journal (Journal of Neural Engineering); uploading to public repository after accepted manuscript embargo (12 months) has been lifted in order to meet funder requirements for open access

Journal ref Journal of Neural Engineering, 21(6), p.066036 (2024)

Laya: A LeJEPA Approach to EEG via Latent Prediction over Reconstruction

Laya: 一种基于联合嵌入预测架构的EEG方法

Saarang Panchavati, Uddhav Panchavati, Hiroki Nariai, Corey Arnold, William Speier

机构 * Department of Medical Informatics（医学信息学系） ； UCLA（美国加利福尼亚大学洛杉矶分校） ； Department of Cognitive Science（认知科学系） ； UCSD（美国圣地亚哥大学） ； David Geffen School of Medicine（大卫·盖弗医学院） ； Mattel Children’s Hospital（马特尔儿童医院） 纠错

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

AI总结 本文提出Laya，一种基于LeJEPA的EEG基础模型，通过预测潜在表示而非信号重建，提升EEG表示的语义结构和临床准确性。

MPNet: A Robust and Efficient Manifold Pooling Network for Multi-Rhythm EEG Signal Decoding

MPNet: 一种鲁棒且高效的流形池化网络用于多节奏EEG信号解码

Guoqing Cai, Kai Zeng, Shoulin Huang, Ting Ma

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Guangxi Normal University（广西师范大学） 纠错

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

AI总结 MPNet通过流形池化层有效降低计算成本，实现多节奏EEG信号的高效解码，在两个公开数据集上达到最佳性能，运行速度比传统模型快10倍。

Prototyping and Evaluating a Real-time Neuro-Adaptive Virtual Reality Flight Training System

原型化与评估一个实时神经自适应虚拟现实飞行训练系统

Evy van Weelden, Jos M. Prinsen, Caterina Ceccato, Ethel Pruss, Anita Vrins, Maryam Alimardani, Travis J. Wiltshire, Max M. Louwerse

专题命中 EEG解码 ：BCI(summary_cn,abstract)；EEG(abstract,abstract_cn)；brain-computer interface(abstract)；分类 cs.HC

AI总结 本文研究了基于BCI的神经自适应飞行训练系统在VR模拟中的效果，通过对比自适应与固定难度序列，发现主观负荷和飞行表现无显著差异，但飞行员更偏好自适应系统。

MedMamba: Recasting Mamba for Medical Time Series Classification

MedMamba：为医学时间序列分类重新设计Mamba

ZhengXiao He, Huayu Li, Xiwen Chen, Janet M Roveda, Jinghao Wen, Siyuan Tian, Ao Li

机构 * Department of Electrical and Computer Engineering, Villanova University（维拉诺瓦大学电气与计算机工程系） ； Microsoft Research Asia（微软亚洲研究院） ； Morgan Stanley（摩根士丹利） 纠错

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

AI总结 MedMamba通过引入空间中心化、多时间尺度时序组成和非因果上下文依赖等原理，设计了轻量级通道混合模块、多尺度卷积分块和双向Mamba块，有效提升医学时间序列分类性能，实验表明其在多个数据集上均优于现有方法。

Decentralized Attention Fails Centralized Signals: Rethinking Transformers for Medical Time Series

去中心化注意力失败于中心化信号：重新思考用于医疗时间序列的Transformer

Guoqi Yu, Juncheng Wang, Chen Yang, Jing Qin, Angelica I. Aviles-Rivero, Shujun Wang

机构 * Department of Biomedical Engineering, PolyU（PolyU 生物医学工程系） ； School of Nursing, PolyU（PolyU 护理学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心） 纠错

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

AI总结 本文提出CoTAR模块，通过集中化MLP替代去中心化注意力，以更好地捕捉医疗时间序列数据中的中心化依赖关系，提升模型效果与效率。

Comments Accepted by ICLR 2026 (Oral). arXiv admin note: text overlap with arXiv:2405.19363 by other authors

Model Form Identification in High-Dimensional Functional Linear Regressions

高维函数线性回归中的模型形式识别

Xingche Guo, Yehua Li, Pang Du

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出MoFI-FLR方法，通过功能弹性网惩罚筛选无关协变量，并分解函数系数为可解释的有限维简单成分和无限维互补部分，以实现高维函数线性回归模型的可解释性与稳定性。

A multi-scale information geometry reveals the structure of mutual information in neural populations

多尺度信息几何揭示神经群体中互信息的结构

Simone Azeglio, Steeve Laquitaine, Ulisse Ferrari, Matthew Chalk

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

AI总结 本文提出一种多尺度信息几何方法，通过基于原理的距离收缩机制揭示神经群体中互信息的结构，利用扩散模型估计度量张量，为神经编码提供了信息论框架。

Bridging visual saliency and large language models for explainable deep learning in medical imaging

弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng

机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所） 纠错

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

AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。