脑机接口 / BCI

Test-Time Adaptation of Spiking Neural Networks for Intracortical Neural Decoding using Membrane Potential Alignment

基于膜电位对齐的脉冲神经网络测试时自适应用于皮层内神经解码

Guangzhi Tang

专题命中 神经信号处理 ：neural decoding(title)；brain-computer interface(abstract)；neural signal(abstract)

AI总结 提出膜电位对齐（MPA）方法，通过KL散度匹配膜电位分布，仅更新低秩（LoRA）权重（<9%参数），实现脉冲神经网络测试时自适应，在非人灵长类任务中性能媲美NoMAD，且架构更简单、时间分辨率更高（4 ms vs 20 ms）。

Comments Accepted at ICANN 2026

Harnessing cortical geometry, wiring, and function as inductive biases for recurrent neural networks

利用皮层几何、连接和功能作为循环神经网络的归纳偏置

Mo Shakiba, Rana Rokni, Mohammad Mohammadi, Nima Dehghani

机构 * Neuromatch Academy, Neuromatch, Inc., USA（Neuromatch学院，Neuromatch公司，美国） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（麦戈文脑科学研究所，麻省理工学院（MIT）） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究利用MICrONS项目数据，通过神经元空间坐标、解剖连接和功能关系初始化循环权重并施加空间约束，构建生物基础循环神经网络，在认知决策任务中优于基线模型，并发展出低熵、模块化和小世界组织。

EEGDash: An open-source platform for machine learning on public neurophysiological data

EEGDash: 一个用于公共神经生理数据机器学习的开源平台

Bruno Aristimunha, Aviv Dotan, Pierre Guetschel, Aman Jaiswal, Gal Ashkenazi, Dung Truong, Kuntal Kokate, Amitrava Majumdar, Oren Shriki, Arnaud Delorme

专题命中 神经信号处理 ：EEG(abstract,abstract_cn)；分类 q-bio.NC

AI总结 EEGDash是一个开源平台，收录791个公共神经生理记录，通过元数据优先注册、格式修复和自动标签，支持无需自定义代码的机器学习工作流，促进基准测试和跨数据集分析。

Comments 28 pages, 9 figures, 4 tables. Supplementary material included as an ancillary file. EEG-Dash software: https://eegdash.org

Learning Hybrid Biophysical Neuron Models with Neural ODEs

利用神经常微分方程学习混合生物物理神经元模型

Jonas Beck, Michael Deistler, Dóra Viktória Molnár, Jakob H. Macke, Philipp Berens

机构 * Hertie Institute for AI in Brain Health（人工智能与脑健康赫尔特研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； Machine Learning in Science, Excellence Cluster Machine Learning, University of Tübingen（科学机器学习，机器学习卓越集群，图宾根大学） ； Max Planck Institute for Biological Intelligence, München, Germany（生物智能马克斯·普朗克研究所，慕尼黑，德国） ； Department Empirical Inference, Max Planck Institute for Intelligent Systems, Tübingen, Germany（经验推断部门，智能系统马克斯·普朗克研究所，图宾根，德国） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出混合建模框架，将神经常微分方程嵌入电导基生物物理模型，以捕捉未知电流或错误指定的通道动力学，从电压记录中恢复可解释的门控动力学，并降低计算成本。

Generative causal testing to bridge data-driven models and scientific theories in language neuroscience

生成式因果测试：弥合语言神经科学中数据驱动模型与科学理论之间的鸿沟

Richard Antonello, Chandan Singh, Shailee Jain, Aliyah Hsu, Sihang Guo, Jianfeng Gao, Bin Yu, Alexander Huth

机构 * Computer Science Department, University of Texas at Austin（德克萨斯大学计算机科学系） ； Microsoft Research（微软研究院） ； Neurosurgery Department, University of California（加州大学神经外科系） ； EECS Department, University of California（加州大学电子工程与计算机科学系） ； Statistics Department, University of California（加州大学统计学系） ； Center for Computational Biology, University of California（加州大学计算生物学中心） ； Neuroscience Department, University of California（加州大学神经科学系） 纠错

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

AI总结 提出生成式因果测试（GCT）框架，利用大语言模型生成简洁解释并通过LLM生成刺激进行验证，成功解释大脑区域的语言选择性，弥合数据驱动模型与科学理论之间的差距。

Comments Accepted to Nature Neuroscience, please cite that version

A Surface-based Multimodal Framework for Multitask Analysis in Alzheimer's Disease

基于表面的多模态框架用于阿尔茨海默病的多任务分析

Shuo Huang, Jianwei Zhang, Lujia Zhong, Jiaxin Yue, Yihao Xia, Xinkai Wang, Yonggang Shi

专题命中 神经信号处理 ：cortical(abstract)

AI总结 提出一种增强的球形数据驱动多模态框架，通过球形扩散模型生成配对皮层厚度和Tau PET SUVR数据，结合对比学习和上下文学习，实现多任务分类与回归，在ADNI数据集上优于六种基线模型。

Comments 11 pages, 3 figures

Scale-invariant brain morphometry: application to sulcal depth

标度不变脑形态学：应用于沟回深度

Maxime Dieudonné, Guillaume Auzias, Julien Lefèvre

机构 * Institut National de la Santé et de la Recherche Médicale (INSERM), U954, Université de Nantes（法国国家卫生与医学研究院（INSERM）U954，南特大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文研究了脑大小对沟回深度形态学特征的影响，提出了一种标度不变的沟回深度估计方法，并通过大规模样本验证了其生物学意义。

Comments GA and JL contributed equally to this work

Journal ref Computers in Biology and Medicine, Volume 212, 2026, 111754, ISSN 0010-4825