脑机接口 / BCI

Handwriting decoding as a challenging motor task for EEG Foundation Models

手写解码作为EEG基础模型中的一个具有挑战性的运动任务

Srinivas Ravishankar, Ishayu Ghosh, Nora Zajzon, Teng Fei, Virginia de Sa

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

AI总结 本文提出将手写解码作为EEG基础模型的挑战性运动任务，发现现有数据集可能存在问题，并引入更严谨的评估数据集，显示基础模型在手写解码任务中不如专门模型表现优异。

From Clever Hans to Scientific Discovery: Interpreting EEG Foundational Transformers with LRP

从聪明汉到科学发现：通过LRP解释EEG基础Transformer

Justus Meyer zu Bexten, Nico Scherf, Bogdan Franczyk, Simon M. Hofmann

机构 * Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据分析与人工智能中心（ScaDS.AI）） ； Leipzig University（莱比锡大学） ； Neural Data Science and Statistical Computing, Max Planck Institute for Human Cognitive and Brain Sciences（神经数据科学与统计计算，人类认知与脑科学马克斯·普朗克研究所） ； Faculty of Economics, Leipzig University（经济学院，莱比锡大学） ； Department of Neurology, Max Planck Institute for Human Cognitive and Brain Sciences（神经病学系，人类认知与脑科学马克斯·普朗克研究所） 纠错

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

AI总结 本文研究了EEG基础模型中注意力感知的LRP方法，用于验证模型决策并提出生物合理假设，揭示了模型在运动想象和情绪预测中的潜在问题。

Comments 18 pages, 6 figures

LAtte: Hyperbolic Lorentz Attention for Cross-Subject EEG Classification

LAtte：用于跨受试者EEG分类的双曲洛伦兹注意力

Ahmad Bdeir, Johannes Burchert, Tom Hanika, Lars Schmidt-Thieme, Niels Landwehr

机构 * Data Science Group（数据科学组） ； ISMLL ； Universität Hildesheim（希尔德斯海姆大学） 纠错

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

AI总结 本文提出LAtte框架，结合双曲InceptionTime编码器与洛伦兹注意力，提升跨受试者EEG分类性能，通过分解EEG信号并引入低秩适应模块增强鲁棒性与泛化能力。

Beyond Flickering: Introducing Code-Modulated Motion Visual Evoked Potentials for Brain-Computer Interfacing

超越闪烁：引入代码调制运动视觉诱发电位用于脑机接口

Hanneke Scheppink, Rainer Herpers, Jordy Thielen, Ivan Volosyak

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

AI总结 本文提出了一种基于运动刺激的代码调制运动视觉诱发电位(c-MVEP)用于脑机接口，通过对比不同刺激方式的性能，展示了其在信号质量和应用潜力上的优势。

Convergent Representations of Linguistic Constructions in Human and Artificial Neural Systems

人类和人工神经系统的语言构造收敛表征

Pegah Ramezani, Thomas Kinfe, Andreas Maier, Achim Schilling, Patrick Krauss

机构 * Department of English and American Studies, University Erlangen-Nuremberg（英语与美国研究系，埃尔朗根-纽伦堡大学） ； Pattern Recognition Lab, University Erlangen-Nuremberg（模式识别实验室，埃尔朗根-纽伦堡大学） ； Neuromodulation and Neuroprosthetics, University Hospital Mannheim, University Heidelberg（神经调控与神经假体，曼海姆大学医院，海德堡大学） ； BGU Ludwigshafen, Germany（吕贝克大学吕贝克分校，德国） ； Neuroscience Lab, University Hospital Erlangen（神经科学实验室，埃尔朗根大学医院） 纠错

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

AI总结 研究通过EEG验证人类神经活动对语言构造的表征，发现句末alpha波段出现构造特异性神经签名，与人工语言模型的构造表征模式相似，支持语言构造作为形式-意义映射的神经编码。

Brain-OF: An Omnifunctional Foundation Model for fMRI, EEG and MEG

Brain-OF：一种适用于fMRI、EEG和MEG的多功能基础模型

Hanning Guo, Hanwen Bi, Farah Abdellatif, Andrei Galbenus, Jon. N. Shah, Abigail Morrison, Jürgen Dammers

机构 * INM-4, Forschungszentrum Jülich, Germany（Jülich 研究中心 INM-4 实验室，德国） ； Department of Computer Science（计算机科学系） ； Software Engineering, RWTH Aachen University, Germany（软件工程，亚琛工业大学，德国） ； INM-7, Forschungszentrum Jülich, Germany（Jülich 研究中心 INM-7 实验室，德国） ； Institute of Systems Neuroscience, Heinrich Heine University, Germany（系统神经科学研究所，海因里希·海涅大学，德国） ； Department of Neurology, RWTH Aachen University, Germany（神经病学系，亚琛工业大学，德国） ； JARA-BRAIN-Translational Medicine, Germany（JARA-BRAIN 转化医学，德国） ； INM–11, JARA, Forschungszentrum Jülich, Germany（JARA-INM-11 实验室，Jülich 研究中心，德国） ； IAS-6, Forschungszentrum Jülich, Germany（IAS-6 实验室，Jülich 研究中心，德国） ； Department of Psychiatry, Psychotherapy and Psychosomatics, RWTH Aachen University, Germany（精神病学、心理治疗和精神病理学系，亚琛工业大学，德国） 纠错

专题命中 神经信号处理 ：EEG(title,title_cn)；neural signal(abstract)；分类 q-bio.NC、eess.SP、cs.LG

AI总结 Brain-OF通过联合预训练fMRI、EEG和MEG数据，解决多模态数据语义异质性和分辨率差异问题，提升跨模态数据处理能力。

Scalable Construction of Spiking Neural Networks using up to thousands of GPUs

利用千级GPU构建可扩展的脉冲神经网络

Bruno Golosio, Gianmarco Tiddia, José Villamar, Luca Pontisso, Luca Sergi, Francesco Simula, Pooja Babu, Elena Pastorelli, Abigail Morrison, Markus Diesmann, Alessandro Lonardo, Pier Stanislao Paolucci, Johanna Senk

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

AI总结 本文提出一种基于MPI的多GPU集群构建大规模脉冲神经网络的方法，通过高效管理通信与内存，实现对神经网络的可扩展模拟。

Journal ref Neuromorphic Computing and Engineering, Volume 6, Number 2, 024012, 2026