脑机接口 / BCI

The Identity Trap in EEG Foundation Models: A Diagnostic Audit

脑电图基础模型中的身份陷阱：一项诊断性审计

Jun-You Lin, Ying Choon Wu, Tzyy-Ping Jung

机构 * National Yang Ming Chiao Tung University ； University of California, San Diego 纠错

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

AI总结 提出FMScope协议，通过方差分解、主题轴擦除等五种诊断方法，揭示EEG基础模型在受试者分离交叉验证中可能依赖受试者身份特征而非临床生物标志物，并验证了该陷阱的普遍性及可移除性。

Comments 28 pages, 6 figures, 8 tables. Code available at https://github.com/Jimmy110101013/fmscope

SleepExplain: Explainable Non-Rapid Eye Movement and Rapid Eye Movement Sleep Stage Classification from EEG Signal

SleepExplain: 基于EEG信号的可解释非快速眼动和快速眼动睡眠阶段分类

Rafsan Jany, Md. Hamjajul Ashmafee, Iqram Hussain, Md Azam Hossain

机构 * Islamic University of Technology（伊斯兰科技大学） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出SleepExplain模型，使用集成学习（随机森林、XGBoost、梯度提升）对NREM和REM睡眠阶段进行分类，准确率达94.30%，并利用SHAP提供可解释性。

Comments 6 pages, 7 figures, 2022 25th International Conference on Computer and Information Technology (ICCIT)

Journal ref 2022 25th International Conference on Computer and Information Technology (ICCIT), pp. 248-253, 2022

LuMamba: Latent Unified Mamba for Electrode Topology-Invariant and Efficient EEG Modeling

LuMamba: 用于电极拓扑不变且高效的EEG建模的潜在统一Mamba

Danaé Broustail, Anna Tegon, Thorir Mar Ingolfsson, Yawei Li, Luca Benini

机构 * ETH Zürich, Institute of Information Systems（苏黎世联邦理工学院信息系统研究所） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出LuMamba框架，结合拓扑不变编码和线性复杂度状态空间模型，通过LUNA的查询交叉注意力机制统一通道，FEMBA的双向Mamba块高效时序建模，在5个下游任务上以4.6M参数达到SOTA性能。

Comments EUSIPCO 2026, 5 pages, 2 figures, 4 tables

Structure-Preserving Correction Learning for Sparse Bayesian Inference in Brain Source Imaging

脑源成像中稀疏贝叶斯推断的结构保持校正学习

Marco Morik, Xiao Ruiting, Shinichi Nakajima, Stefan Haufe, Ismail Huseynov

机构 * Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所（BIFOLD）） ； Technische Universität Berlin（柏林技术大学） ； RIKEN Center for Advanced Intelligence Project (AIP)（理化学研究所先进智能项目中心（AIP）） ； Physikalisch-Technische Bundesanstalt（物理技术联邦机构） ； Charité – Universitätsmedizin Berlin（柏林夏里特大学医学院） 纠错

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

AI总结 提出一种结构保持的校正学习方法，通过展开经典联合超参数求解器为可训练神经网络，在保留贝叶斯结构的同时学习更新机制，提升M/EEG脑源成像的重建性能和收敛性。

Comments preprint

CA-TCN: A Causal-Anticausal Temporal Convolutional Network for Direct Auditory Attention Decoding

CA-TCN: 一种用于直接听觉注意解码的因果-反因果时序卷积网络

Iñigo García-Ugarte, Rubén Eguinoa, Ricardo San Martín, Daniel Paternain, Carmen Vidaurre

机构 * Department of Science, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学科学系） ； BCBL, Basque Center on Cognition Brain and Language（巴斯克认知脑语言中心） ； Department of Statistics, Computer Sciences and Mathematics, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学统计、计算机科学与数学系） ； Ikerbasque, Basque Foundation for Science（巴斯克科学基金会） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 提出CA-TCN，一种因果-反因果时序卷积网络，直接对注意说话者进行分类，通过分别采用因果和反因果卷积对齐听觉刺激与神经响应，在多个数据集上比AADNet提升0.5%-3.2%的解码准确率。

Comments 10+2(refs) pages, 5 figures, 4 Tables, IEEE transactions preprint

Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios

合成病灶MR图像在低数据场景下自动局灶性皮质发育不良检测中的影响

Prabhjot Kaur, Hakim Ouaalam, Sedat Kandemirli, Sanjay P. Prabhu, Simon K. Warfield

机构 * Computational Radiology Laboratory（计算放射学实验室） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究通过条件生成网络合成FCD病灶MRI数据，评估其真实性及对自动检测的影响，发现合成数据可减少约20%标注需求，但真实数据仍更有效。

Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data

图词典信号模型用于多变量数据的稀疏表示

William Cappelletti, Pascal Frossard

机构 * LTS4, EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院LTS4实验室） 纠错

专题命中 运动想象 ：motor imagery(abstract)；分类 cs.LG

AI总结 本文提出图词典信号模型，通过图结构描述多变量数据中的关系，利用稀疏组合的图原子进行信号重构，优于现有基线方法。