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