脑机接口 / BCI

EEG-FM-Audit: A Systematic Evaluation and Analysis Pipeline for EEG Foundation Models

EEG-FM-Audit：脑电图基础模型的系统评估与分析流程

Xianheng Wang, Yige Yang, Damien Coyle

机构 * Bath Institute for the Augmented Human（巴思增强人类研究所） ； University of Bath（巴斯大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；neural decoding(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出EEG-FM-Audit流程，通过ASHA驱动的基准测试、范式级消融研究和神经生理探测，系统评估脑电图基础模型，发现调优的监督基线可媲美或超越先进基础模型。

Comments 26 pages

A Multi-dimensional Framework for Evaluating Generalization in EEG Foundation Models

评估脑电图基础模型泛化能力的多维框架

Aditya Kommineni, Emily Zhou, Kleanthis Avramidis, Tiantian Feng, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Laboratory（信号分析与解释实验室） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；BCI(summary_cn)；brain computer interface(abstract)；分类 cs.LG

AI总结 提出一个多维评估框架，在低资源条件下系统评估EEG基础模型（如LaBraM、CSBrain、CBraMod）的泛化能力，发现其在长上下文任务中表现优异，但在短窗口BCI任务中与监督模型相当，且对通道限制鲁棒性不足。

Comments 24 pages, 5 Figures

STAMBRIDGE: Spectral-Temporal Amplitude-aware Mid-Feature Bridge for EEG Visual Decoding

STAMBRIDGE：用于脑电视觉解码的谱时幅度感知中间特征桥

Jiahe Meng, Weiming Zeng, Yueyang Li, Bo Chai, Hongjie Yan, Zhiguo Zhang, Wai Ting Siok, Nizhuan Wang

机构 * Lab of Digital Image and Intelligent Computation, Shanghai Maritime University（数字图像与智能计算实验室，上海 Maritime 大学） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（语言科学与技术系，香港理工大学） ； Department of Neurology, Affiliated Lianyungang Hospital of Xuzhou Medical University（神经内科，徐州医学院附属连云港医院） ； Institute of Computing and Intelligence, Harbin Institute of Technology Shenzhen（计算与智能研究所，哈尔滨工业大学深圳研究院） 纠错

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

AI总结 提出STAMBRIDGE两阶段框架，通过谱时幅度感知调制（STAM）提取稳健脑电特征，并利用中间特征语义桥（MFSB）实现稳定的跨模态对齐，在THINGS-EEG基准上取得34.50% Top-1和65.95% Top-5的200路零样本检索准确率。

CaMBRAIN: Real-time, Continuous EEG Inference with Causal State Space Models

CaMBRAIN：基于因果状态空间模型的实时连续脑电图推理

Abhilash Durgam, Nyle Siddiqui, Jeffrey A. Chan-Santiago, Qiushi Fu, Elakkat D. Gireesh, Mubarak Shah

机构 * CRCV, University of Central Florida（CRCV，中央佛罗里达大学） ； University of Central Florida（中央佛罗里达大学） ； Department of MAE, University of Central Florida（中央佛罗里达大学机械与航空航天工程系） ； Department of Neurology, Loma Linda University（洛马琳达大学神经病学系） 纠错

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

AI总结 提出首个基于因果Mamba的状态空间模型CaMBRAIN，通过多阶段自监督训练实现实时、长程连续的EEG信号推理，在三个数据集上达到SOTA且吞吐量提升10倍以上。

Comments 22 pages, 3 figures, 8 tables

Majorization-Minimization Networks for Inverse Problems: An Application to EEG Imaging

用于反问题的Majorization-Minimization网络：在脑电图成像中的应用

Le Minh Triet Tran, Sarah Reynaud, Ronan Fablet, Adrien Merlini, François Rousseau, Mai Quyen Pham

机构 * IMT Atlantique（IMT阿登蒂克） ； LaTIM U1101 INSERM ； Lab-STICC UMR CNRS 6285 纠错

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

AI总结 提出一种基于双层优化的学习型Majorization-Minimization框架，通过参数化曲率主导量并施加MM条件约束，在保持收敛保证的同时提升反问题求解的精度与稳定性，并在脑电图源成像中验证了其优于深度展开和元学习方法。

Why Meditation Wearables Fail: Reward Misspecification in Closed-Loop EEG and Biofeedback Systems

为什么冥想可穿戴设备失败：闭环脑电图和生物反馈系统中的奖励错误指定

Joy Bose

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.HC

AI总结 本文形式化定义了可穿戴设备中因优化代理信号而非真实目标导致的奖励错误指定问题，分析了三种失败模式，提出了四层可测量性分类法，并设计了一个避免所有失败模式的框架。

Comments 16 pages, 1 figure

MSCGC-KAN: Multi-scale Causal Graph Convolution and Kolmogorov-Arnold Feature Mapping for EEG Emotion Recognition

MSCGC-KAN: 用于脑电情感识别的多尺度因果图卷积与Kolmogorov-Arnold特征映射

Haoliang Gong, Qingshan She, Jiale Xu, Yunyan Gao, Xugang Xi

机构 * School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China（杭州电子科技大学自动化学院） ； Zhejiang Provincial Key Laboratory of Brain Computer Collaborative Intelligence Technology（浙江省脑机协同智能技术与应用重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出MSCGC-KAN方法，通过多尺度因果图卷积和Kolmogorov-Arnold特征映射构建结构化任务头，在预训练CBraMod骨干上增强多尺度时间建模、可学习通道间连接建模和非线性判别映射，显著提升脑电情感识别性能。

SYNAPSE: Neuro-Symbolic Visual Thought-to-Text Decoding via Topological Semantic Denoising

SYNAPSE: 通过拓扑语义去噪的神经符号视觉思维到文本解码

Akshaj Murhekar, Abhijit Mishra

机构 * School of Information University of Texas at Austin（信息学院德克萨斯大学奥斯汀分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出SYNAPSE框架，利用常识图结构和潜在样本进行推理时符号正则化，稳定脑电到文本解码中的语义生成，无需微调大语言模型。

When do complex-valued neural networks help? A study of representation, geometry, and optimization

复值神经网络何时有帮助？表征、几何与优化的研究

Ashutosh Kumar

机构 * Owl Autonomous Imaging, Inc.（Owl 自动成像公司） ； RIT 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 通过对比复值神经网络与多种实值基线在合成射频、量子波函数和脑电图等任务上的表现，发现复值网络的优势依赖于表征、对称性和优化，并非普遍优越。

Misalignment Between Backpropagation and the Hierarchy of Brain Responses to Images

反向传播与大脑对图像响应的层级结构之间的错位

Joséphine Raugel, Maximilian Seitzer, Marc Szafraniec, Huy V. Vo, Jérémy Rapin, Patrick Labatut, Piotr Bojanowski, Valentin Wyart, Jean-Rémi King

机构 * Meta AI ； Ecole Normale Supérieure, PSL University（巴黎高等师范学院，PSL大学） 纠错

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

AI总结 通过fMRI和MEG记录人类对自然图像的脑响应，发现预训练模型的反向传播梯度虽能预测高级视觉皮层和晚期信号，但其时空组织与大脑层级结构不一致，表明深度网络与大脑可能依赖不同的学习机制。

Comments 13 pages, 9 figures