脑机接口 / BCI

How Much Capacity Does EEG Denoising Need? Ultra-Compact Networks reveal Benchmark Saturation and Metric-Utility Gap

脑电图去噪需要多少容量？超紧凑网络揭示基准饱和与度量-效用差距

Jasmeet Singh Bindra, Siddharth Panwar

机构 * Indian Knowledge Systems and Mental Health Applications (IKSMHA) Center, Indian Institute of Technology Mandi（印度理工学院曼迪分校印度知识体系与心理健康应用中心） ； School of Computing and Electrical Engineering, Indian Institute of Technology Mandi（印度理工学院曼迪分校计算与电气工程学院） 纠错

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

AI总结 通过固定架构仅改变通道宽度（1.05K-40.26K参数），发现EEG去噪重建性能在3-6.5K参数时饱和，且重建度量不预测下游BCI效用，超紧凑模型（33-46KB）适用于边缘部署。

Comments 17 pages, will be submitted to peer-reviewed journal

EEG-FM-Bench: A Comprehensive Benchmark for the Systematic Evaluation and Diagnostic Analyses of EEG Foundation Models

EEG-FM-Bench：脑电图基础模型系统评估与诊断分析的综合基准

Wei Xiong, Jiangtong Li, Jie Li, Kun Zhu, Changjun Jiang

机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； Translational Research Center, Shanghai Yangzhi Rehabilitation Hospital (Shanghai Sunshine Rehabilitation Center), China（上海杨氏康复医院（上海阳光康复中心）转化研究中心，中国） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP、cs.HC

AI总结 提出EEG-FM-Bench统一基准，整合14个数据集和10种范式，通过多种微调策略和诊断分析揭示多任务学习可缓解过拟合、预训练效率受梯度冲突限制、模型规模非唯一决定因素等关键发现。

Comments 36 pages, 30 figures, Accepted by ICML2026

Rewiring Human Brain Networks via Lightweight Dynamic Connectivity Framework: An EEG-Based Stress Validation

通过轻量级动态连接框架重绘人脑网络：基于EEG的应力验证

Sayantan Acharya, Abbas Khosravi, Douglas Creighton, Roohallah Alizadehsani, U. Rajendra Acharya

机构 * Institute for Intelligent Systems Research and Innovation（智能系统研究与创新研究所） ； University of Southern Queensland（南方昆士兰大学） 纠错

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

AI总结 本文提出基于时间变化定向传递函数的轻量级动态脑连接框架，通过机器学习验证EEG数据中的应力分类，发现alpha-TV-DTF在分类中表现最佳，凸显动态连接在捕捉脑区时间与因果影响上的优势。

Comments 21 pages, 21 figures, 6 tables, 50 references,

Journal ref 2026. Reconfiguring brain networks via lightweight dynamic connectivity framework: An EEG-based stress validation. Computers in Biology and Medicine, 213, p.111801

Epileptic Seizure Detection in Separate Frequency Bands Using Feature Analysis and Graph Convolutional Neural Network (GCN) from Electroencephalogram (EEG) Signals

基于特征分析和图卷积神经网络（GCN）的脑电图（EEG）信号癫痫发作检测在不同频段的研究

Ferdaus Anam Jibon, Fazlul Hasan Siddiqui, F. Deeba, Gahangir Hossain

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

AI总结 提出一种频率感知框架，将EEG分解为五个频段并提取判别特征，利用图卷积神经网络建模电极空间依赖，在CHB-MIT数据集上实现99.01%的宽带准确率，提高了可解释性和诊断精度。

Comments One author disagrees with the archiving

A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

频谱审计框架揭示EEG和ECG深度学习中任务依赖的非周期性依赖

Jasmeet Singh Bindra, Siddharth Panwar

机构 * Indian Knowledge Systems and Mental Health Applications (IKSMHA) Center, Indian Institute of Technology Mandi（印度理工学院曼迪分校印度知识体系与心理健康应用中心） ； School of Computing and Electrical Engineering, Indian Institute of Technology Mandi（印度理工学院曼迪分校计算与电气工程学院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；motor imagery(abstract)；分类 eess.SP、cs.LG

AI总结 提出频谱审计框架，结合非周期/周期分解、相位保持傅里叶干预等，发现深度学习模型对非周期成分的依赖是任务依赖且架构通用的，在睡眠-觉醒分类中影响显著，临床异常检测中中等，运动想象中最小，并扩展到ECG。

Comments 25 pages, being prepared for submission to peer-reviewed journal

RECTOR: Masked Region-Channel-Temporal Modeling for Affective and Cognitive Representation Learning

RECTOR：面向情感与认知表征学习的掩码区域-通道-时间建模

Jinhan Liu, Mahsa Shoaran

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 提出RECTOR自监督框架，通过自适应功能分区和掩码拓扑学习，统一建模EEG/sEEG的区域-通道-时间动态，在情感识别和任务参与分类上达到新最优，且对缺失通道和跨导联泛化鲁棒。

Rosetta Stone of Neural Mass Models

神经质量模型的罗塞塔石碑

Francesca Castaldo, Raul de Palma Aristides, Pau Clusella, Jordi Garcia-Ojalvo, Giulio Ruffini

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

AI总结 本文提出一个统一框架，将各种神经质量模型（NMM）置于从抽象到生物细节的连续谱中，通过从简谐振荡器出发并逐步增加细节，将不同形式转化为可导航的阶梯，从而将NMM选择从主观行为转变为原则性设计决策。

Comments To appear in Physics Reports 2026

Low-dimensional representation of brain networks for seizure risk forecasting

用于癫痫发作风险预测的脑网络低维表示

Steven Rico-Aparicio, Martin Guillemaud, Alice Longhena, Vincent Navarro, Louis Cousyn, Mario Chavez

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。

Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review

Self-Consistent Closure of Fractal Dimension, Nonextensive Statistics, and Non-Markovian Dynamics in Critical Systems

临界系统中分形维数、非广延统计和非马尔可夫动力学的自洽闭合

O. Sotolongo-Costa, J. Weberszpil, M. E. Mora-Ramos

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文通过相空间自洽性推导出分形维数D、Tsallis指数q和记忆指数α之间的代数闭合关系α=D/(2D-1)及q=1+1/D，并在八个实验系统中验证了其普适性。

Comments 3 pages, 2 columns, 1 figure