脑机接口 / BCI

MPEC: Manifold-Preserved EEG Classification via an Ensemble of Clustering-Based Classifiers

MPEC：通过集成基于聚类的分类器实现流形保持的脑电图分类

Shermin Shahbazi, Mohammad-Reza Nasiri, Majid Ramezani

机构 * Department of Electrical and Computer（电气与计算机系） ； Department of Computer Science and Engineering, Information Technology（计算机科学与工程系，信息科技） 纠错

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

AI总结 提出MPEC方法，通过协方差矩阵和RBF核的特征工程以及黎曼流形上的改进K-means聚类集成，解决EEG信号的非欧几里得流形结构问题，在BCI Competition IV数据集2a上取得显著提升。

Comments 7 pages ,3 figures

Teager-Kaiser Energy Methods For EEG Feature Extraction In Biomedical Applications

Teager-Kaiser能量方法在生物医学应用中用于EEG特征提取

Ioanna Chourdaki, Kleanthis Avramidis, Christos Garoufis, Athanasia Zlatintsi, Petros Maragos

专题命中 EEG解码 ：EEG(title,title_cn)；motor imagery(abstract)；分类 eess.SP

AI总结 本文研究非线性Teager-Kaiser能量算子（TKEO）在运动想象、情绪识别和癫痫检测三个任务中建模EEG能量动态，通过Gabor滤波器组和能量分离算法提取能量描述符，并与传统特征比较，发现TKEO特征在癫痫检测中平衡准确率提升约15%，在运动想象中略有提升，在情绪识别中性能相当。

Comments Accepted to EUSIPCO 2026

A Novel Data Augmentation Strategy for Robust Deep Learning Classification of Biomedical Time-Series Data: Application to ECG and EEG Analysis

一种用于生物医学时间序列数据鲁棒深度学习分类的新型数据增强策略：在ECG和EEG分析中的应用

Mohammed Guhdar, Ramadhan J. Mstafa, Abdulhakeem O. Mohammed

机构 * Computer Science Department, College of Science, University of Zakho（扎赫大学科学学院计算机科学系） ； Department of Computer Science and Information Technology, The American University of Kurdistan（库尔德斯坦美国大学计算机科学与信息技术系） ； PRIME Lab, Scientific Research Center, University of Zakho（扎赫大学科学研究中心PRIME实验室） 纠错

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

AI总结 提出一种结合ResNet-CNN与注意力机制的统一深度学习框架，通过时域拼接多个增强变体的新型数据增强策略和Focal Loss处理类别不平衡，在ECG和EEG数据集上达到99.96%-100%的准确率，且内存需求低、推理速度快。

A Shared Valence Axis Across Modern LLMs and Human EEG: The Saturation Regularity

现代LLM与人脑EEG共享的效价轴：饱和规律

Yousef A. Radwan, Xuhui Liu, Kilichbek Haydarov, Yuqian Fu, Mohamed Elhoseiny

机构 * King Abdullah University of Science and Technology（卡布斯大学） 纠错

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

AI总结 本研究通过构建从大型语言模型（LLM）中提取的一维效价方向（V轴），发现其与人类EEG神经活动对齐，但进一步对齐策略无法提升解码性能，并形式化为“饱和规律”，指出改进应来自监督无法触及的残差子空间。

A 1000-hour EEG-EMG-audio dataset of Japanese speech production

1000小时日语语音产生的EEG-EMG-音频数据集

Motoshige Sato, Ilya Horiguchi, Masakazu Inoue, Kenichi Tomeoka, Eri Hatakeyama, Yuya Kita, Atsushi Yamamoto, Ippei Fujisawa, Shuntaro Sasai

机构 * National Institute of Information and Communications Technology, Japan（日本信息与通信技术研究所） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 q-bio.NC、eess.SP、cs.HC

AI总结 本研究构建了一个包含1020小时同步头皮脑电图、面部肌电图和语音音频的多模态数据集，来自三名健康日语母语者在开放词汇有声语音过程中的记录，旨在支持语音解码、多模态信号处理及脑电图表示学习等研究。

A Methodological Framework for Explicit Control of the Speed-Accuracy Trade-off in Brain-Computer Interfaces

脑机接口中速度-准确性权衡显式控制的方法论框架

Javier Jiménez, Francisco B Rodríguez

机构 * Grupo de Neurocomputación Biológica, Departamento de Ingeniería Informática, Universidad Autónoma de Madrid（生物神经计算组，信息工程系，马德里自治大学） 纠错

专题命中 EEG解码 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；分类 eess.SP、cs.LG、cs.HC

AI总结 提出一个独立于分类器、范式和早停策略的评估框架，通过增益和保持度两个指标及可调参数α显式控制速度-准确性权衡，并在P300范式上验证其有效性。

Aligning Shared and Routed Experts for Cross-Subject EEG Generalization

对齐共享专家和路由专家以实现跨被试脑电图泛化

Zhi Zhang, Yan Liu, Zhejing Hu, Gong Chen, Sheng-hua Zhong, Changhong Jing, Shuqiang Wang, Jibin Wu, KC Tan, Jiannong Cao

专题命中 EEG解码 ：EEG(title,summary_cn)

AI总结 提出共享-路由专家对齐（SREA）框架，通过联合嵌入、原型稀疏路由和互导重加权，协同共享专家与路由专家，解决跨被试EEG泛化中个体差异与可迁移结构的平衡问题。

Versatile Framework with Semantic and Structural guidance for Image Reconstruction from Brain Activity

基于语义和结构引导的大脑活动图像重建通用框架

Yizhuo Lu, Changde Du, Qiongyi Zhou, Liuyun Jiang, Huiguang He

机构 * State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启发智能技术国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；brain-computer interface(abstract)；neural decoding(abstract)

AI总结 提出MindDiffuser两阶段框架，结合CLIP文本嵌入和视觉特征，通过Stable Diffusion生成语义图像并迭代优化结构信息，在fMRI、EEG、MEG三种模态上显著提升图像重建性能。

Escaping the BLEU Trap: A Signal-Grounded Framework with Decoupled Semantic Guidance for EEG-to-Text Decoding

逃离BLEU陷阱：一种基于信号锚定与解耦语义引导的脑电解码文本框架

Yuchen Wang, Haonan Wang, Yu Guo, Honglong Yang, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 针对脑电解码文本中语义偏差、信号忽略和BLEU陷阱问题，提出SemKey多阶段框架，通过解耦语义目标（情感、主题、长度、意外性）和主动检索解码机制，强制生成基于信号而非语言先验，并采用检索和分布度量（如Fréchet距离）建立评估协议，有效缓解幻觉并达到最优性能。

Dive into Waves: Morlet Spectral Transformer for Cross-Subject Emotion Decoding from EEG

深入波动：用于跨被试脑电情绪解码的Morlet谱变换器

Jiaxin Qing, Lexin Li

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对脑电情绪识别中跨被试变异性问题，提出基于Morlet小波标记化、长上下文基线去除和频带特定空间投影的Morlet谱变换器（MST），无需预训练即可在SEED系列数据集上超越大型预训练模型和频域方法。

Beyond Augmentation: Score-Guided Pathological Prior for EEG-based Depression Detection

超越增强：基于评分引导的病理先验用于脑电图抑郁症检测

Xiaojing Chen, Jingqi Cheng, Xu Zhao, Wan Jiang, Jingjing Wu

机构 * School of Internet, Anhui University（安徽大学互联网学院） ； School of Computer Science and Technology, Hefei University of Technology（合肥工业大学计算机科学与技术学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） 纠错

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

AI总结 针对脑电图抑郁症检测中的小样本困境，提出无数据增强的评分引导分类框架，利用生成网络建模病理先验并融合深度特征，同时设计跨通道空间适应模块解决多中心数据集硬件异构问题。

CLSP-REQA: A Real-Time Quality-Aware Closed-Loop Seizure Prediction Framework with Mamba-BiLSTM and Confidence-Gated Intervention

CLSP-REQA：基于Mamba-BiLSTM和置信门控干预的实时质量感知闭环癫痫发作预测框架

Mufeng Chen, Qi Wu, Bingchao Huang, Xiwen Lai, Zekai Chen, Xinge Ouyang, Quansheng Ren

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Mathematical Institute, University of Oxford（牛津大学数学研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； Department of Mechanical Engineering, The University of British Columbia（不列颠哥伦比亚大学机械工程系） ； College of Life Sciences, Hunan Normal University（湖南师范大学生命科学学院） ； School of Electronics, Peking University（北京大学电子学院） 纠错

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

AI总结 提出CLSP-REQA框架，通过嵌入实时EEG质量评估模块和Mamba-BiLSTM骨干网络，结合分层非线性融合函数，在严格跨患者评估下实现优于现有方法的癫痫发作预测性能。

Comments 27 pages, 8 figures, submitted to Biomedical Signal Processing and Control

A Minimalist Brain-Computer Musical Interface for Real-Time Emotion-Driven Sonification: System Design and Preliminary Evaluation

极简脑机音乐接口用于实时情感驱动声化：系统设计与初步评估

Pablo A. Monroy-D'Croz, Rafael Ramirez-Melendez, Julian Cespedes-Guevara

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

AI总结 本文提出一种极简脑机音乐接口，通过前额EEG活动实时估计情感效价并映射到音乐特征，实验发现额叶alpha不对称性无法可靠区分指令性情绪状态。

Torus Graphs for Large Scale Neural Phase Analysis

大规模神经相位分析的环面图模型

Jack Goffinet, Casey Hanks, David E. Carlson

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；neural signal(abstract)；分类 cs.LG

AI总结 提出一种随机得分匹配方法，将环面图模型的计算复杂度从O(d^6)降至O(d^2)，使其能处理数千变量，并扩展至隐马尔可夫模型和自回归模型，用于分析脑状态依赖的相位耦合和方向性交互。

Comments 23 pages, 15 figures; to be published in ICML 2026

UF-AMA: A unified framework for cross-domain emotion recognition via adaptive multimodal alignment

UF-AMA: 通过自适应多模态对齐的跨域情感识别统一框架

Zheng Wang, Shuo Wang, Junhong Wang

机构 * Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； Department of Electronic Engineering and Information Science, University of Science and Technology of China（中国科学技术大学电子工程与信息科学系） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） 纠错

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

AI总结 提出一种统一框架UF-AMA，利用自适应多模态对齐和置信度感知筛选机制，解决跨主体和跨会话的生理信号情感识别中的分布偏移问题，在SEED和SEED-IV数据集上达到最优性能。

AI Generalisation Gap In Comorbid Sleep Disorder Staging

共病睡眠障碍分期中的AI泛化差距

Saswata Bose, Suvadeep Maiti, Shivam Kumar Sharma, Mythirayee S, Tapabrata Chakraborti, Srijitesh Rajendran, Raju S. Bapi

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG

AI总结 针对脑卒中患者睡眠分期中深度学习模型在健康与临床人群间泛化差的问题，通过Grad-CAM可视化和新数据集iSLEEPS，揭示模型关注生理无意义区域，并强调需开发疾病特异性模型。

LERD: Latent Event-Relational Dynamics for Neurodegenerative Classification

LERD: 用于神经退行性疾病分类的潜在事件-关系动力学

Yicheng Feng, Hairong Chen, Ziyu Jia, Samir Bhatt, Hengguan Huang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出LERD，一种端到端贝叶斯潜在事件-关系动力系统，直接从多通道脑电图推断潜在神经事件及其关系结构，无需事件或交互标注，在阿尔茨海默病分类中优于基线方法并提供生理对齐的动力学摘要。

Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism

基于一维CNN与多头注意力机制的混合深度学习模型用于癫痫发作分类

Mohammed Guhdar, Ramadhan J. Mstafa, Abdulhakeem O. Mohammed

机构 * Computer Science Department, College of Science, University of Zakho（扎赫大学科学学院计算机科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出一种结合一维卷积神经网络和多头注意力机制的混合深度学习模型，用于从脑电图信号中分类癫痫发作，以提高分类准确性。

Journal ref Biomedical Signal Processing and Control. Volume 112, pages 108495, 2026