脑机接口 / BCI

Transformer Based Model for Spatiotemporal Feature Learning in EEG Emotion Recognition

基于Transformer的脑电情绪识别时空特征学习模型

Xinglong Cui, Dian Gu

机构 * Beijing Neurodeep Technology Co., Ltd（北京纽罗德普科技有限公司） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 提出EEG-TransNet架构，通过局部自注意力块和模糊注意力同步Transformer捕捉脑电信号的时空特征，在三个数据集上优于现有方法。

When VR Meets BCI: (Un)Observable Brainwave-aware Privacy Reconstruction in the Metaverse via Unrestricted Inbuilt Motion Sensors

当VR遇上BCI：通过无限制内置运动传感器在元宇宙中实现（不可）观察的脑电波感知隐私重建

Tao Ni, Zehua Sun, Qingchuan Zhao, Wei-Bin Lee, Cong Wang

专题命中 EEG解码 ：BCI(title,title_cn)；EEG(abstract)

AI总结 利用VR头显内置运动传感器捕捉瞳孔反应引起的细微振动，重建脑电信号，首次在元宇宙中揭示不可观察的隐私泄露，实现52.0%-67.2%的感知图像识别准确率。

Sleep EEG Signal Criticality as a Non-Invasive Predictor of Cognitive Decline in Dementia

睡眠脑电信号临界性作为痴呆认知衰退的非侵入性预测指标

Stanisław Narębski, Tomasz Komendziński, Tomasz M. Rutkowski

机构 * Institute of Cybernetics and Human Informatics, Polish Academy of Sciences（波兰科学院信息学与人类科学研究所） 纠错

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

AI总结 研究通过多重分形去趋势波动分析量化睡眠脑电信号临界性，发现认知健康者更接近最优临界状态，痴呆组DFA指数向1.0偏移，表明睡眠中无标度神经动力学重组先于临床症状，可作为早期筛查工具。

Comments 4 pages, 2 figures, accepted for publication in the Proc. 48th Annu. Int. Conf. IEEE EMBS (EMBC 2026), Toronto, Canada, July 20-24, 2026

Journal ref 48th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). Toronto, Canada: IEEE Press; 2026. p. 5607-10

Machine Learning Methods for Studying Latent Neural Activity Dynamics

研究潜在神经活动动力学的机器学习方法

Shufeng Kong, Fumei Deng, Xinyi Dong, Caihua Liu, Weiwei Chen, Yingheng Wang, Daniel Cao, Azahara Oliva, Antonio Fernandez-Ruiz, Carla Gomes

机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Neurobiology and Behavior, Cornell University（康奈尔大学神经生物学与行为学系） ； Department of Ecology and Evolutionary Biology, Cornell University（康奈尔大学生态学与进化生物学系） ； School of Computer Science and Artificial Intelligence, Foshan University（佛山大学计算机科学与人工智能学院） 纠错

专题命中 语音与意图解码 ：neural decoding(abstract)；分类 cs.LG

AI总结 综述从状态空间模型到深度生成模型的潜在变量模型，涵盖单区域动力学、多区域通信和行为对齐建模，并讨论大规模神经基础模型及未来挑战。

Comments Accepted by IJCAI 2026 survey track

GRAFT: Gain-Recalibrated Adapters for Transformer-Based Neural Population Activity Modeling

GRAFT: 基于Transformer的神经群体活动建模中的增益重校准适配器

Xiangsheng Ge, Yang Xie

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出GRAFT模型，通过分离可重用时间动态与可重校准神经元接口，在MC Maze数据集上达到SOTA，并仅更新9.21%参数实现跨天重校准。

Hyperbolic Neural Population Geometry Benefits Computation

双曲神经群体几何结构有益于计算

Dennis Wu, Yi-Chun Hung, Braden Yuille, James E. Fitzgerald, Han Liu

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

专题命中 其他BCI ：neural decoding(abstract)；分类 q-bio.NC

AI总结 本文提出海马体群体活动诱导双曲几何的理论框架，证明现代Hopfield网络更新规则计算最小均方误差估计，并引入双曲空间中的新联想记忆模型，其容量显著优于现有模型。

Comments Accepted at ICML 2026, 37 pages, 5 figures

The Bioelectrical Information Theory: Investigating the theoretical compression limit of bioelectrical signals under artificial intelligence

生物电信息论：探究人工智能下生物电信号的理论压缩极限

Jiawen Zou, Bo Yan

机构 * College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Shanghai Key Laboratory of Intelligent Information Processing（上海智能信息处理重点实验室） ； Fudan University（复旦大学） 纠错

专题命中 其他BCI ：brain-computer interface(abstract)

AI总结 提出生物电压缩的三级层次框架，将压缩极限重构为模型和任务条件量，而非波形的固定属性。