脑机接口 / BCI

End-to-End Machine Learning for Depressive State Classification via EEG and fNIRS

基于EEG和fNIRS的抑郁状态分类的端到端机器学习

Riki Sakurai, Simon Kojima, Mihoko Otake-Matsuura, Shin'ichiro Kanoh, Tomasz M. Rutkowski

机构 * RIKEN AIP（日本东京RIKEN AIP） 纠错

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

AI总结 本研究提出一个端到端机器学习框架，利用EEG和fNIRS信号对抑郁状态进行分类，旨在克服传统诊断的主观性，为临床提供客观的自动化诊断工具。

Comments 4 pages, 4 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. 5611-4

Low-Density EEG for Seizure Detection: Evaluating CNN-RNN Architectures on a Behind-the-Ear Montage Setup

低密度脑电图用于癫痫检测：评估耳后导联设置下的CNN-RNN架构

Annika Stiehl, Patrick Wingert, Nicolas Weeger, Nicole Ille, Christian Uhl, Stefan Geißelsöder

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

AI总结 本研究使用CNN-RNN混合深度学习模型，在模拟耳后导联的低密度脑电图上实现癫痫自动检测，提出CNN-Merged模型，在TUSZ数据集上达到85.89%的ROC AUC和79.11%的平衡准确率，验证了低密度配置下鲁棒检测的可行性。

Comments Accepted to the 34th European Signal Processing Conference (EUSIPCO 2026)

SpaTeoGL: Spatiotemporal Graph Learning for Interpretable Seizure Onset Zone Analysis from Intracranial EEG

SpaTeoGL: 用于颅内脑电图可解释癫痫发作起始区分析的时空图学习

Elham Rostami, Aref Einizade, Taous-Meriem Laleg-Kirati

机构 * Inria Saclay（Inria萨克莱实验室） ； Palaiseau, France（法国帕莱伊索） 纠错

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

AI总结 提出SpaTeoGL框架，通过联合学习窗口级空间图和时间图，在平滑图信号处理框架下交替求解，实现癫痫发作起始区的可解释定位，在多中心iEEG数据集上优于基线方法。

Comments 5 pages, 4 figures

Spatially Masked Regression Reveals Local and Distributed Predictability in Electrophysiological Recordings

空间掩蔽回归揭示电生理记录中的局部和分布式可预测性

Maryam Ostadsharif Memar, Nima Dehghani

机构 * Department of Electrical and Computer Engineering, IUT（电气与计算机工程系） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（脑科学研究所，麻省理工学院（MIT）） 纠错

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

AI总结 提出空间掩蔽回归（SMR）框架，通过逐步增大掩蔽区域量化电极信号中局部与分布式信息的贡献，应用于颅内和头皮脑电数据，发现邻近电极贡献显著但非全部，表明信号同时包含局部冗余和全局结构。

Beyond representational alignment with brain-guided language models for robust reasoning

超越表征对齐：基于大脑引导的语言模型实现稳健推理

Mingqing Xiao, Kai Du, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室、智能科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Microsoft Research Asia（微软亚洲研究院） 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 研究通过fMRI信号增强大型语言模型推理能力，提出脑引导框架，在10个模型上实现最高13%的准确率提升。

Understanding Sample Efficiency in Predictive Coding

理解预测编码中的样本效率

Gaspard Oliviers, Elene Lominadze, Rafal Bogacz

机构 * Nuffield Department of Clinical Neurosciences, University of Oxford, United Kingdom（牛津大学神经科学学院Nuffield部门，英国） ； MRC Centre of Research Excellence in Restorative Neural Dynamics, United Kingdom（英国修复神经动力学研究卓越中心） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文研究预测编码在样本效率上的优势，通过目标对齐度量分析BP和PC的学习效率，发现PC在深度、狭窄和预训练网络中表现更优，提供机制理解以指导PC参数设计。

Neural-Behavioral Representation of Natural Whole-body Movement in Monkeys

猴子自然全身运动的神经-行为表征

Jieshi He, Puzhe Li, Yanan Sui, Mu-ming Poo

机构 * Center for Excellence in Brain Science and Intelligence Technology, CAS（脑科学与智能技术 excellence 中心，中国科学院） ； Tsinghua University（清华大学） 纠错

专题命中 运动想象 ：neural signal(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 通过大规模皮层信号与多视角运动捕捉，结合自回归编码器-解码器模型，实现了对自由运动猴子全身运动的准确解码。