脑机接口 / BCI

Same Brain, Different Prediction: How Preprocessing Choices Undermine EEG Decoding Reliability

同一体脑，不同预测：预处理选择如何削弱EEG解码可靠性

Dengzhe Hou, Zihao Wu, Lingyu Jiang, Zirui Li, Fangzhou Lin, Kazunori D. Yamada

机构 * Tohoku University（东洋大学） ； University of Georgia（佐治亚大学） ； Texas A&M University（德克萨斯农工大学） ； Worcester Polytechnic Institute（沃斯特理工学院） 纠错

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

AI总结 本文研究了EEG解码中预处理选择对可靠性的影响，提出三种工具以量化、分解和减少预处理带来的不稳定性。

Enabling Unsupervised Training of Deep EEG Denoisers With Intelligent Partitioning

通过智能分区实现深度EEG去噪器的无监督训练

Qiyu Rao, Haozhe Tian, Homayoun Hamedmoghadam, Danilo Mandic

机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦校区电子与电气工程系） ； Dyson School of Design Engineering, Imperial College London（帝国理工学院伦敦校区戴森设计工程学院） 纠错

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

AI总结 本文提出iPSD方法，通过学习将输入EEG段分割为独立的噪声实现，实现无监督去噪，尤其在低信噪比和复杂噪声下表现优异。

A Hybrid Graph Neural Network for Enhanced EEG-Based Depression Detection

一种用于增强基于EEG的抑郁症检测的混合图神经网络

Yiye Wang, Wenming Zheng, Yang Li, Hao Yang

机构 * School of Biological Science（生物科学学院） ； Medical Engineering Southeast University Nanjing, China（医学工程东南大学南京中国） 纠错

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

AI总结 本文提出混合图神经网络HGNN，结合固定连接的CGNN和自适应连接的IGNN，通过引入图池化和反池化模块提取个体化层次信息，提升EEG抑郁症检测性能。

Journal ref 2025 IJCNN

Human brain state classification via permutation entropy of EEG phase dynamics across consciousness levels and inattentive-type ADHD

通过EEG相动态的排列熵对人类脑状态进行分类：在意识水平和注意力不集中的ADHD中

Athokpam Langlen Chanu, Youngjai Park, Jaesung Choi, Younghwa Cha, UnCheol Lee, Joon-Young Moon, Jong-Min Park

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

AI总结 本文利用排列熵分析EEG信号，探讨不同脑状态的区分性。通过EEG相动态的主模态量化紊乱，发现意识、注意力不集中型ADHD和闭眼状态的排列熵均值较低且标准差较大，表明排列熵在脑状态分类中具有有效性，但对注意力不集中型ADHD的识别存在局限。

Comments 18 pages, Accepted for publication in Chaos, Solitons and Fractals

NeuralSet: A High-Performing Python Package for Neuro-AI

NeuralSet：一种高性能的Python神经AI工具包

Jean-Rémi King, Corentin Bel, Linnea Evanson, Julien Gadonneix, Sophia Houhamdi, Jarod Lévy, Josephine Raugel, Andrea Santos Revilla, Mingfang Zhang, Julie Bonnaire, Charlotte Caucheteux, Alexandre Défossez, Théo Desbordes, Pablo Diego-Simón, Shubh Khanna, Juliette Millet, Pierre Orhan, Saarang Panchavati, Antoine Ratouchniak, Alexis Thual, Teon L. Brooks, Katelyn Begany, Yohann Benchetrit, Marlène Careil, Hubert Banville, Stéphane d'Ascoli, Simon Dahan, Jérémy Rapin

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

AI总结 NeuralSet通过统一处理多种神经记录和复杂实验刺激，提供高效的神经AI研究框架，支持从本地原型到高性能集群的无缝扩展。

FANoS-v2: Feedback-Controlled Momentum with Thermostat Damping for Lightweight Neural Optimization

FANoS-v2：基于热力学阻尼的反馈控制动量用于轻量级神经优化

Nalin Dhiman

机构 * School of Computing and Electrical Engineering（计算与电子工程学院） ； Indian Institute of Technology Mandi（印度理工学院曼迪） 纠错

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

AI总结 FANoS-v2通过反馈控制动量和热力学阻尼优化神经网络，实现轻量级优化，在MNIST、Fashion-MNIST和CIFAR-10上优于AdamW，但计算时间更长。

Comments 17 pages, 3 figures, 5 tables