脑机接口 / BCI

Neuroscience-inspired Staged Representation Learning with Disentangled Coarse- and Fine-Grained Semantics for EEG Visual Decoding

受神经科学启发的分阶段表征学习：解纠缠的粗粒度和细粒度语义用于EEG视觉解码

Xiang Gao, Hui Tian, Yanming Zhu, Xuefei Yin, Alan Wee-Chung Liew

机构 * School of Information and Communication Technology, Griffith University（信息与通信技术学院，格里菲斯大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；brain-computer interface(abstract)

AI总结 本文提出了一种受神经科学启发的分阶段表征学习框架，通过解纠缠的粗粒度和细粒度语义来改进EEG视觉解码，解决了现有方法在人类视觉处理分阶段和层次特性方面的不足。

Comments 17 pages, 5 figures

Cross-Subject EEG Emotion Recognition Based on Temporal Asynchronous Alignment Contrastive Learning

基于时间异步对齐对比学习的跨受体EEG情绪识别

Ying Xie, Yi Zheng, Zehui Xiao, Wenkai Lu, Mengting Liu

机构 * School of Biomedical Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学生物医学工程学院深圳校区） ； School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） 纠错

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

AI总结 本文提出了一种基于时间异步对齐对比学习（TA2CL）的框架，用于解决跨受体EEG情绪识别中由于不同受体响应时间不一致导致的识别问题，通过改进相似性计算策略，提升模型对跨受体差异和时间延迟的鲁棒性。

Comments 16 pages, 7 figures

Self-organized criticality enables conscious integration through brain-body resonance

自组织临界性通过脑-体共振实现意识整合

Ahmed Gamal Eldin

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

AI总结 该研究通过脑-体共振维持的自组织临界性揭示了意识整合的机制，发现传统预处理方法会破坏整合动态，而原始数据中的临界动态支持大规模神经协调与事件相关处理的耦合。

Learning sequence timing and control of replay speed in networks of spiking neurons

学习序列时间并控制网络中脉冲神经元的回放速度

Melissa Lober, Younes Bouhadjar, Markus Diesmann, Tom Tetzlaff

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

AI总结 本文提出了一种机制，通过元素特定神经元群体的顺序激活来表示序列元素的持续时间，使模型能够跨多种时间尺度编码序列，并展示了振荡背景输入作为时钟信号，提供了一种灵活的回放速度控制机制。