脑机接口 / BCI

NeuroWeaver: An Autonomous Evolutionary Agent for Exploring the Programmatic Space of EEG Analysis Pipelines

NeuroWeaver：一种用于探索EEG分析流水线程序空间的自主进化智能体

Guoan Wang, Shihao Yang, Jun-En Ding, Feng Liu

机构 * Department of Systems Engineering, Stevens Institute of Technology（系统工程系，斯蒂文斯理工学院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 针对EEG分析中基础模型计算成本高和通用自动机器学习缺乏神经科学先验的问题，提出NeuroWeaver自主进化智能体，通过领域信息子空间初始化和多目标进化优化，在五个异构基准上合成轻量级解决方案，性能优于现有任务特定方法并接近大规模基础模型。

Mechanistic Interpretability of EEG Foundation Models via Sparse Autoencoders

基于稀疏自编码器的脑电图基础模型机制可解释性

William Lehn-Schiøler, Magnus Ruud Kjær, Rahul Thapa, Magnus Guldberg Pedersen, Anton Mosquera Storgaard, Nick Williams, Radu Gatej, Tue Lehn-Schiøler, Andreas Brink-Kjær, Sadasivan Puthusserypady, Sándor Beniczky, James Zou, Lars Kai Hansen

机构 * BrainCapture ； DTU Health Tech（技术大学丹麦健康技术） ； DTU Compute（技术大学丹麦计算） ； Department of Biomedical Data Science（生物医学数据科学系） ； Department of Computer Science（计算机科学系） ； Seer Medical（Seer医疗） ； Filadelfia Epilepsy Hospital（菲拉德尔菲亚癫痫医院） ； University Hospital of Copenhagen（哥本哈根大学医院） 纠错

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

AI总结 通过TopK稀疏自编码器从三种EEG Transformer中提取稀疏特征字典，结合临床分类法评估单语义性和纠缠性，并引入概念引导分析目标与非目标区域，揭示模型表征失败和临床纠缠问题。

Comments Preprint. 14 pages, 7 figures, 4 tables

Black Hole-Inspired Horizon Model for Neural Signal Dynamics

黑洞启发式神经信号动力学视界模型

E. Canessa

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

AI总结 提出一个受黑洞视界启发的框架，将EEG信号建模为受有效边界约束的类波表示投影，通过重整化群标度关系和谱熵参数化可观测模式，建立熵、尺度依赖动力学与神经振荡的联系。

Comments 4 pages, 2 figures

Classification of IED-free EEG Responses for Assisted Epilepsy Diagnosis

用于辅助癫痫诊断的无IED脑电图反应分类

Giacomo Zanardini, Ryan Moesman, Paul van der Kleij, Robert van den Berg, Justin Dauwels

机构 * Signal Processing Systems（信号处理系统） ； Delft University of Technology（代尔夫特理工大学） ； Erasmus Medical Center（埃因霍温医学中心） 纠错

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

AI总结 提出一种基于机器学习特征（时域、频谱、小波、连接性）和堆叠集成的流水线，对刺激期间采集的脑电图进行分类，在无IED数据上实现高AUC和BAC，表明刺激诱发电位（特别是IPS）包含有意义的判别信息。

Comments Accepted at IEEE EMBC2026

A comprehensive evaluation of pretraining strategies for channel-agnostic contrastive self-supervision of biosignals

生物信号通道无关对比自监督预训练策略的综合评估

Thea Brüsch, Mikkel N. Schmidt, Tommy S. Alstrøm

机构 * Department of Applied Mathematics and Computer Science（应用数学和计算机科学系） 纠错

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

AI总结 针对生物信号通道可变性问题，提出对比随机导联编码（CRLC）方法，通过随机选择输入通道子集创建正对，在EEG和ECG数据上预训练并微调，在通道无关设置下优于现有策略，并达到与最先进参考模型相当的性能。