脑机接口 / BCI

Let EEG Models Learn EEG

让EEG模型学习EEG

Yifan Wang, Yijia Ma, Wen Li, Chenyu You

机构 * Stony Brook University（石溪大学） ； University of Texas Health Center at Houston（德克萨斯大学健康中心（休斯顿）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；neural signal(abstract)

AI总结 本文提出了一种基于条件流匹配的生成框架JET，通过直接建模神经信号的连续演化来生成高质量的EEG信号，解决了传统离散去噪方法在捕捉长期时间依赖性和保持频谱结构方面的不足，实现了在多个基准测试中优于现有方法的性能。

Comments Accepted by ICML 2026

Toward 6G-enabled Brain Computer Interfaces: Technical Requirements, Use Cases, Challenges, and Future Trends

迈向6G赋能的脑机接口：技术需求、用例、挑战与未来趋势

Houda Hafi, Bouziane Brik, Nuraini Jamil, Abdelkader Nasreddine Belkacem

专题命中 神经信号处理 ：brain computer interface(title,abstract)；BCI(abstract,abstract_cn)；neural signal(abstract)；neural interface(abstract)

AI总结 本文探讨了如何在6G无线网络基础上有效构建脑机接口技术，分析了技术需求、用例、挑战及未来趋势，强调了6G技术如智能边缘和零触网在脑机接口中的应用前景。

Cross-lingual robustness of LLM-brain alignment and its computational roots

LLM-脑对齐的跨语言鲁棒性及其计算根源

Ni Yang, Rui He, Philipp Homan, Iris Sommer, Davide Staub, Wolfram Hinzen

机构 * Grammar and Cognition Lab, Department of Translation & Language Sciences, Universitat Pompeu Fabra（语言与翻译科学系语法与认知实验室，庞培法华大学） ； Department of Adult Psychiatry and Psychotherapy, University of Zurich（苏黎世大学成人精神病学与心理治疗系） ； Neuroscience Center Zurich, University of Zurich and ETH Zurich（苏黎世大学神经科学中心与苏黎世联邦理工学院） ； Center for Clinical Neuroscience and Cognition and Department of Psychiatry, University of Groningen, University Medical Center Groningen（格罗宁根大学临床神经科学与认知中心及精神病学系，格罗宁根大学医学中心） ； Scalable Scientific Machine Learning Lab, Imperial College London, Department of Earth Science and Engineering（伦敦帝国理工学院可扩展科学机器学习实验室，地球科学与工程系） ； Institut Català de Recerca i Estudis Avançats (ICREA), Barcelona, Spain（加泰罗尼亚高级研究与研究机构（ICREA），巴塞罗那，西班牙） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 该研究探讨了大型语言模型与大脑对齐的跨语言鲁棒性，通过多语言全脑编码框架分析了中文、英语和法语在自然故事听觉过程中大脑与LLM的对齐情况，发现其在空间上具有跨语言重叠性，但无法通过预测不确定性或表征几何来解释。

Optimal Time Window and Frequency Bandwidth Parameter Combination for Subject-Specific Motor Imagery EEG Classification

面向主体特异性运动想象EEG分类的最优时间窗口和频率带宽参数组合

Matthew A. McCartney, Liisa A. Kivioja, Sonal S. Baberwal, Shirley Coyle

专题命中 运动想象 ：EEG(title,title_cn)；motor imagery(title)；分类 eess.SP

AI总结 本文研究了在运动想象EEG分类中，同时优化时间窗口和频率带宽参数对分类性能的影响，通过在109名受试者上训练和测试不同参数组合的主体特异性模型，并利用重复测量方差分析揭示了不同带宽和时间窗口在准确性上的显著差异，发现(0,4)秒和(4,12)Hz的组合在所有受试者中表现最佳。

Spiking Personalized Federated Learning for Brain-Computer Interface-Enabled Immersive Communication

基于脑机接口的沉浸式通信的脉冲个性化联邦学习

Chen Shang, Dinh Thai Hoang, Diep N. Nguyen, Jiadong Yu

机构 * School of Electrical and Data Engineering, University of Technology Sydney（悉尼技术大学电气与数据工程学院） ； Thrust of Internet of Things, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究所） 纠错

专题命中 语音与意图解码 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 本文提出了一种利用脑机接口获取脑信号以推断用户中心状态（如意图和感知相关不适）的沉浸式通信框架，通过个性化联邦学习模型处理脑信号，以适应神经多样性数据并防止敏感脑信号信息泄露，同时通过嵌入脉冲神经网络降低能耗，实验表明在真实脑信号数据集上识别准确率最高且能耗降低6.46倍。

Comments 6 pages, 3 figures

Journal ref INFOCOM Workshop, 2026

Integrating Brain-Computer Interface and Neuromorphic Computing for Human Digital Twins

将脑机接口与类脑计算整合用于人类数字孪生

Chen Shang, Jiadong Yu, Dinh Thai Hoang

专题命中 语音与意图解码 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；分类 cs.HC

AI总结 本文提出了一种生物启发的HDT框架，利用脑机接口传感器捕捉脑信号，以构建个性化HDT，并结合类脑计算模型和联邦学习策略，提高数据处理效率和隐私保护。

Comments 7 pages, 3 figures,

Journal ref IEEE Communications Magazine, 2026