arXivDaily arXiv每日学术速递 周一至周五更新

科学与医疗

脑机接口 / BCI

脑机接口、EEG、神经信号解码、神经假体和脑控交互。

2026-06-15 至 2026-06-15 共收录 4 信号源:q-bio.NC, eess.SP, cs.LG, cs.HC, cs.RO

1. EEG解码 3 篇

2606.14614 2026-06-15 q-bio.NC eess.SP 新提交 84%

Decoding Semantic Categories from Picture-Naming EEG

从图片命名脑电中解码语义类别

Wei Hu, Binbin Xu

专题命中 EEG解码 :EEG(title,abstract);neural decoding(abstract);分类 q-bio.NC、eess.SP

AI总结 本研究利用预训练单通道脑电编码器和多语言文本嵌入模型,从图片命名任务的高密度脑电中解码语义类别,结合早期和命名相关时间窗口,九类分类平衡准确率达0.781。

Comments 6 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.14120 2026-06-15 eess.SP cs.AI cs.LG cs.SD eess.AS 新提交 73%

FAConformer: Frequency-Aware Convolutional Transformer for Auditory Attention Decoding

FAConformer:用于听觉注意解码的频率感知卷积Transformer

Ziwei Wang, Xingyi He, Tianwang Jia, Hongbin Wang, Dongrui Wu

机构 * Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology(湖北脑启发智能系统重点实验室,人工智能与自动化学院,华中科技大学)

专题命中 EEG解码 :EEG(abstract,abstract_cn);分类 eess.SP、cs.LG

AI总结 提出FAConformer框架,通过频带特定编码和自适应跨频带交互,有效利用脑电图频域信息进行听觉注意解码,在公开数据集上超越现有最佳模型4.9%。

Comments 15 pages, 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.13823 2026-06-15 cs.LG eess.SP stat.ML 新提交 73%

A Stationarity-and-Coupling Criterion for Training-Free Time-Lagged Spectral Embeddings of Multivariate Time Series

多变量时间序列无训练时滞谱嵌入的平稳性与耦合准则

Siddharth Pal, Viktoria Rojkova

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

专题命中 EEG解码 :BCI(abstract,abstract_cn);分类 eess.SP、cs.LG

AI总结 提出基于时滞相关矩阵截断的固定长度描述符D(τ),通过平稳高斯VAR(1)模型推导其适用条件:信号近似平稳且类别信息存在于跨通道时间耦合而非边际功率。

Comments 25 pages, 2 figures, 10 tables

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 神经信号处理 1 篇

2604.24942 2026-06-15 cs.CL q-bio.NC 版本更新 57%

Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension

基于独立成分的故事理解过程中大脑活动的编码模型

Kamya Hari, Taha Binhuraib, Jin Li, Cory Shain, Anna A. Ivanova

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology(佐治亚理工学院电子与计算机工程学院) School of Psychological and Brain Sciences, Georgia Institute of Technology(佐治亚理工学院心理学与脑科学学院) Department of Linguistics, Stanford University(斯坦福大学语言学系)

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

AI总结 提出基于独立成分的编码框架,从fMRI数据中分离刺激驱动和噪声信号,利用语言模型预测独立成分时间序列,识别出与听觉和语言相关的认知网络,验证了成分的可解释性和跨个体一致性。

Comments Accepted to CCN 2026 (Proceedings Track)

详情

展开后加载摘要…

URL PDF HTML 收藏