脑机接口 / BCI

EEG-informed attended speaker extraction from recorded speech mixtures with application in neuro-steered hearing prostheses

基于EEG的受关注说话人提取从记录的语音混音中，应用于神经引导的听力假体

Simon Van Eyndhoven, Tom Francart, Alexander Bertrand

机构 * ESAT Laboratory of KU Leuven（KU莱顿大学ESAT实验室） ； KU Leuven（KU莱顿大学） ； Department of Electrical Engineering (ESAT)（电气工程系（ESAT）） ； Department of Neurosciences（神经科学系） 纠错

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

AI总结 本文提出了一种基于EEG的受关注说话人提取方法，利用麦克风阵列记录和EEG记录来实现噪声环境下的说话人分离与去噪，展示了在无干净语音信号的情况下，通过EEG进行的听觉注意力检测的鲁棒性。

Comments This paper is published in IEEE Transactions on Biomedical Engineering (2016) and is under copyright. Please cite this paper as: S. Van Eyndhoven, T. Francart, and A. Bertrand, "EEG-informed attended speaker extraction from recorded speech mixtures with application in neuro-steered hearing prostheses", IEEE Transactions on Biomedical Engineering, vol. 64, no. 5, pp. 1045-1056, 2017

Journal ref IEEE Transactions on Biomedical Engineering, vol. 64, no. 5, pp. 1045-1056, 2017

Re-thinking EEG-based non-invasive brain interfaces: modeling and analysis

重新思考基于EEG的非侵入式脑接口：建模与分析

Gaurav Gupta, Sergio Pequito, Paul Bogdan

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

AI总结 本文提出基于时变复杂网络模型的非侵入式脑接口设计，通过分形动力学特性提升分类性能，实验验证了该方法在EEG数据上的有效性。

Comments 12 pages, 16 figures, ICCPS-18

EEG-FuseFormer: A Transformer-Driven Feature Fusion Framework for Seizure Onset Prediction

EEG-FuseFormer: 一种用于癫痫发作预测的Transformer驱动特征融合框架

Vigneshwar Hariharan, Chithra Reghuvaran, Arlene John, Nhat Pham, Omer Rana, Deepu John, Ganesh Neelakanta Iyer

机构 * National University of Singapore（新加坡国立大学） ； University College Dublin（都柏林大学） ； University of Twente（特文特大学） ； Cardiff University（卡迪夫大学） 纠错

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

AI总结 提出EEG-FuseFormer框架，融合CNN-LSTM和ResNet-18提取的时空特征与频谱特征，利用Transformer编码器进行融合，在CHB-MIT数据集上达到98.85%的平均召回率，优于多数现有方法。

Comments IEEE International Instrumentation and Measurement Technology Conference (I2MTC) 2026

A discontinuous Galerkin Method for the EEG Forward Problem using the Subtraction Approach

一种使用减法方法的EEG正向问题间断伽辽金方法

Christian Engwer, Johannes Vorwerk, Jakob Ludewig, Carsten H. Wolters

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

AI总结 本文提出了一种间断伽辽金方法用于EEG正向问题，通过考虑头颅几何和导电分布，减少建模误差，如颅骨泄漏效应，提升模拟精度。

Electroencephalography (EEG) Forward Modeling via H(div) Finite Element Sources with Focal Interpolation

通过H(div)有限元源进行脑电图（EEG）前向建模

Sampsa Pursiainen, Johannes Vorwerk, Carsten H. Wolters

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出基于H(div)有限元方法的EEG前向建模方法，利用双极源和两种插值方法提高预测精度，对比传统单极方法展示其优越性。

Comments 20 pages, 7 figures

Channel-Oriented Design for EEG-to-Music Reconstruction

面向脑电到音乐重建的通道导向设计

Jiaxin Qing, Junwei Lu, Lexin Li

机构 * UC Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学） 纠错

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

AI总结 针对脑电信号弱、易受噪声和通道变异影响的问题，提出通道导向设计（包括通道级标记化、多视角自蒸馏和数据增强），在编码-对齐-解码流水线中实现稳定的音乐语义空间对齐，显著提升重建性能。

Shared control schematic for brain controlled vehicle based on fuzzy logic

基于模糊逻辑的脑控车辆共享控制方案

Na Dong, Wen-qi Zhang, Zhong-ke Gao

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

AI总结 本文提出基于模糊逻辑的脑控车辆共享控制方案，通过设计辅助控制器实现自动控制与脑控制的协同，提升系统控制性能。

Inverse Modeling for MEG/EEG data

MEG/EEG数据的反演建模

Alberto Sorrentino, Michele Piana

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文综述了用于从神经生理数据重建脑活动的数学方法，讨论了正则化方法和贝叶斯推断技术，并分类了反演方法，最后介绍了其在癫痫患者术前评估中的应用。

Comments 15 pages, 1 figure

A comparative study of the robustness of frequency--domain connectivity measures to finite data length

有限数据长度对频域连接性度量鲁棒性的比较研究

Sara Sommariva, Alberto Sorrentino, Michele Piana, Vittorio Pizzella, Laura Marzetti

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

AI总结 本文通过数值模拟研究数据时间长度对EEG时间序列脑连接估计可靠性的影响，比较了IC、gPDC和fGC三种连接性度量在小样本下的鲁棒性差异。

Comments 32 pages, 13 figures

Dealing with State Estimation in Fractional-Order Systems under Artifacts

在存在伪影情况下处理分数阶系统的状态估计

Sarthak Chatterjee, Sérgio Pequito

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文研究了在传感器测量中存在伪影时，如何估计离散时间分数阶动态系统的状态，提出了保证在存在伪影时能够恢复系统状态的必要和充分条件，并提供了一种状态估计算法，最后用真实EEG数据展示了主要结果。

Comments Preprint submitted to ACC 2019

A Mixed Finite Element Method to Solve the EEG Forward Problem

一种混合有限元方法用于求解脑电图前向问题

Johannes Vorwerk, Christian Engwer, Sampsa Pursiainen, Carsten H. Wolters

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

AI总结 本文提出一种基于混合有限元方法的新型方法，用于求解脑电图前向问题，该方法通过引入电流作为额外未知数，实现电流守恒，从而在特定场景下提高模拟精度。

Journal ref IEEE Trans Med Imaging. 2017; 36(4):930-941

Home Automation Using SSVEP & Eye-Blink Detection Based Brain-Computer Interface

基于SSVEP与眨眼检测的脑机接口家庭自动化系统

Kratarth Goel, Raunaq Vohra, Anant Kamath, Veeky Baths

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

AI总结 本文提出一种利用SSVEP和眨眼检测的脑机接口家庭自动化系统，结合蓝牙室内定位技术，提升可控制设备数量。

Comments 2 pages, 1 table, published at IEEE SMC 2014

Analysis of tagging latency when comparing event-related potentials

比较事件相关电位时标签延迟的分析

Grégoire Cattan, Anton Andreev, Bastien Maureille, Marco Congedo

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

AI总结 本文研究了在比较事件相关电位时标签延迟的影响因素，提出了影响延迟的技术方面，并建议了估计和校正延迟的方法。

The role of noise modeling in the estimation of resting-state brain effective connectivity

噪声建模在静息态脑有效连接性估计中的作用

Giulia Prando, Mattia Zorzi, Alessandra Bertoldo, Alessandro Chiuso

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

AI总结 本文研究了静息态fMRI数据中有效连接性估计中噪声建模对网络估计质量的影响，探讨了内源性波动对神经活动建模的方法。

Second Order Differences of Cyclic Data and Applications in Variational Denoising

循环数据的二阶差分及其在变分去噪中的应用

Ronny Bergmann, Gabriele Steidl, Friederike Laus, Andreas Weinmann

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出了一种用于循环数据的高阶差分方法，用于变分去噪，解决了欧几里得数据中常见的阶梯效应问题，通过引入高阶导数来改进去噪效果。

Comments 32 pages, 16 figures, shortened version of submitted manuscript

Bayesian smoothing of dipoles in Magneto-/Electro-encephalography

脑电图中磁/电偶极子的贝叶斯平滑

Valentina Vivaldi, Alberto Sorrentino

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出一种基于粒子滤波的动态估计多偶极子状态的新方法，通过蒙特卡洛算法近似平滑分布，提升源定位准确性，尤其在癫痫患者源建模中具有重要意义。

Comments 16 pages, 5 figures

Journal ref Inverse Problems 32 (2016) 045007

Brains and pseudorandom generators

大脑与伪随机生成器

Vašek Chvátal, Mark Goldsmith, Nan Yang

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 研究探讨了大脑模型能否被工程化用于生成伪随机数生成器，发现该模型无法实现此功能。

Comments This paper misinterprets the notion of a pseudorandom generator. For this reason, it has been withdrawn by the authors. Its main result, interpreted in terms of pseudorandom functions, reappears in arXiv:1603.01573 [math.DS]

Tensor Analysis and Fusion of Multimodal Brain Images

张量分析与多模态脑图像融合

Esin Karahan, Pedro A. Rojas-Lopez, Maria L. Bringas-Vega, Pedro A. Valdes-Hernandez, Pedro A. Valdes-Sosa

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出利用张量结构分析多模态神经影像数据，引入马尔可夫-彭罗斯图进行建模，首次将Granger因果分析视为张量回归问题，展示其在脑网络分解中的潜力。

Comments 23 pages, 15 figures, submitted to Proceedings of the IEEE

Mesoscale tissue properties and electric fields in brain stimulation: Bridging the macroscopic and microscopic scales using layer-specific cortical conductivity

脑刺激中的介观组织特性与电场：利用层特异性皮层电导率桥接宏观与微观尺度

Boshuo Wang, Torge H. Worbs, Minhaj A. Hussain, Aman S. Aberra, Axel Thielscher, Warren M. Grill, Angel V. Peterchev

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

AI总结 本文综述了通过微观模型估计皮层层特异性电导率的方法，发现层间电导率差异显著（如第3层和第6层分别比第2层高20%和50%），并指出在脑刺激电场模型中采用层特异性电导率可提高神经激活阈值和分布估计的准确性。

Comments 20 pages, 6 figures, 4 tables

Journal ref 2026, J. Neural Eng., 23(3), 036026

Cortical-inspired image reconstruction via sub-Riemannian geometry and hypoelliptic diffusion

基于子黎曼几何和双曲椭圆扩散的皮层启发式图像重建

Ugo Boscain, Roman Chertovskih, Jean-Paul Gauthier, Dario Prandi, Alexey Remizov

机构 * CNRS, LJLL, Universit\'e Pierre et Marie Curie, Paris, France ； SYSTEC, FEUP, University of Porto, Portugal 纠错

专题命中 神经信号处理 ：cortical(title)

AI总结 本文基于初级视觉皮层的数学模型，提出了一种利用双曲椭圆扩散进行图像修复的算法，其中一种算法不利用图像损坏位置信息，另一种则利用该信息，后者在图像修复领域达到了最先进的水平，验证了视觉皮层确实编码了第一种算法。

Journal ref ESAIM: ProcS. 64 (2018), pp. 37-53

Neural Langevin Machine: a local asymmetric learning rule can be creative

神经朗之万机：一种局部非对称学习规则可以具有创造性

Zhendong Yu, Weizhong Huang, Haiping Huang

机构 * PMI Lab, School of Physics, Sun Yat-sen University（物理系，中山大学，PMI实验室） ； Guangdong Provincial Key Laboratory of Magnetoelectric Physics and Devices, Sun Yat-sen University（磁电物理与器件广东省重点实验室，中山大学） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出神经朗之万机，利用递归神经网络的固定点通过非对称、速率调整的局部学习规则进行生成学习，并揭示了非平衡生成过程及记忆到泛化的转变。

Comments 7 pages, 5 figures, with Github link in the paper, supplemental material available upon request

Discrete signaling mediates chaotic regularization in recurrent neural networks

离散信号介导递归神经网络的混沌正则化

Jan Bauer, Christian Keup, Jonathan Kadmon, Moritz Helias

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

AI总结 通过结合核方法和动态平均场理论，揭示了混沌动力学如何在递归神经网络中引入局部粗糙度并保持全局平滑性，从而作为内在正则化器增强泛化能力，并解释了混沌网络如何维持平滑的群体编码。

Competition, stability, and functionality in excitatory-inhibitory neural circuits

兴奋-抑制神经回路中的竞争、稳定性和功能

Simone Betteti, William Retnaraj, Alexander Davydov, Jorge Cortés, Francesco Bullo

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

AI总结 通过博弈-能量框架和网络稳定性原理，研究不对称兴奋-抑制神经网络的动力学、调控及其在侧抑制微电路对比增强中的作用。

System Identification of a Multi-timescale Adaptive Threshold Neuronal Model

多时间尺度自适应阈值神经元模型的系统辨识

Amirhossein Jabalameli, Aman Behal

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

AI总结 本文研究了多时间尺度自适应阈值神经元模型的参数估计问题，通过系统动态操控，将阈值电压建模为线性参数模型，利用预测误差框架识别阈值参数以精确预测单个神经元放电时间。

Brain activity mapping from MEG data via a hierarchical Bayesian algorithm with automatic depth weighting: sensitivity and specificity analysis

通过层次贝叶斯算法与自动深度加权从MEG数据中映射脑活动：灵敏度和特异性分析

Daniela Calvetti, Annalisa Pascarella, Francesca Pitolli, Erkki Somersalo, Barbara Vantaggi

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

AI总结 本文提出新的统计协议评估MEG反演求解器的性能，比较IAS与wMNE、dSPM、sLORETA在灵敏度和特异性上的表现，揭示其在皮层和皮下活动估计中的优势。

Numerical Approaches for Linear Left-invariant Diffusions on SE(2), their Comparison to Exact Solutions, and their Applications in Retinal Imaging

在SE(2)上的线性左不变扩散的数值方法，其与精确解的比较及其在视网膜成像中的应用

Jiong Zhang, Remco Duits, Gonzalo Sanguinetti, Bart M. ter Haar Romeny

机构 * Department of Biomedical Engineering, Biomedical Image Analysis (BMIA)（生物医学工程系，生物医学影像分析（BMIA）） ； Department of Mathematics and Computer Science, Image Science and Technology (IST/e)（数学与计算机科学系，图像科学与技术（IST/e）） ； Eindhoven University of Technology（埃因霍温理工大学） ； Northeastern University（东北大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文比较了SE(2)上左不变扩散的多种数值方法，并提供了精确解的分析，展示了傅里叶方法在精度上的优势，并在视网膜成像中应用了结合左不变PDE演化的可逆方向分数。

Comments A final and corrected version of the manuscript is Published in Numerical Mathematics: Theory, Methods and Applications (NM-TMA), vol. (9), p.1-50, 2016

Journal ref Numerical Mathematics: Theory, Methods and Applications (NM-TMA), vol. (9), p.1-50, 2016

Continuation of localised coherent structures in nonlocal neural field equations

非局部神经场方程中局部化相干结构的延续

James Rankin, Daniele Avitabile, Javier Baladron, Gregory Faye, David J. B. Lloyd

专题命中 神经信号处理 ：cortical(abstract)

AI总结 研究非局部神经场方程在欧几里得平面中的局部化活动模式，通过矩阵自由牛顿-克罗内克求解器进行数值延续，揭示了非局部连接核不等价于PDE的系统特性，展示同宿轨蛇形机制产生不同空间范围的活动模式。

Comments 21 pages, 13 figures, submitted for peer review

Journal ref SIAM J. Sci. Comput., 36(1), B70-B93, 2014

Real-time brain machine interaction via social robot gesture control

通过社交机器人手势控制实现实时脑机交互

Reza Abiri, Soheil Borhani, Xiaopeng Zhao, Yang Jiang

专题命中 脑控机器人 ：BCI(summary_cn,abstract)；EEG(abstract)；分类 q-bio.NC、cs.HC

AI总结 本文提出基于神经反馈的BCI机器人平台，利用社交机器人辅助认知障碍患者进行双侧康复和心理训练，通过实时脑机交互实现手势和眼色反馈，提升注意力等心理能力。

Research on fuzzy PID Shared control method of small brain-controlled uav

小脑控无人机模糊PID共享控制方法研究

Na Dong, Wen-qi Zhang, Zhong-ke Gao

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

专题命中 脑控机器人 ：BCI(abstract,abstract_cn)；EEG(abstract,abstract_cn)；分类 cs.HC、cs.RO

AI总结 本文针对脑控无人机在信号识别精度、时间限制和命令数量方面的不足，提出基于共享控制的模糊PID辅助控制器，实现自动控制与脑控制的协同，通过评估当前飞行状态和设置切换率来决定自动控制与脑控制的切换机制，提升系统控制性能，并通过矩形轨迹跟踪实验验证算法有效性。

Scalability in Neural Control of Musculoskeletal Robots

神经控制的肌骨机器人可扩展性

Christoph Richter, Sören Jentzsch, Rafael Hostettler, Jesús A. Garrido, Eduardo Ros, Alois C. Knoll, Florian Röhrbein, Patrick van der Smagt, Jörg Conradt

专题命中 脑控机器人 ：cortical(abstract)；分类 cs.RO

AI总结 本文提出一种结合Myorobotics框架和SpiNNaker平台的系统，实现数十个神经控制的物理顺应性关节的可扩展性，通过闭环小脑模型实现低功耗高效神经控制。

Comments Accepted at IEEE Robotics and Automation Magazine on 2015-12-31