脑机接口 / BCI

FingerFlex: Inferring Finger Trajectories from ECoG signals

FingerFlex：从ECoG信号推断手指轨迹

Vladislav Lomtev, Alexander Kovalev, Alexey Timchenko

机构 * Bauman Moscow State Technical University（巴乌曼莫斯科国立技术大学） ； ALVI Labs（ALVI实验室） ； Brain Dynamics Group, Higher School of Economics（高等经济学院脑动力组） ； University of Tuebingen（图宾根大学） 纠错

专题命中 神经信号处理 ：BCI(abstract,abstract_cn)；brain-computer interface(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 本文提出FingerFlex模型，通过卷积编码器-解码器架构实现对电极皮层脑数据中手指运动回归，达到0.74的相关系数，推动高精度运动皮层脑机接口发展。

Comments 6 pages, 3 figures, 4 tables. Preprint. Under review

Journal ref 10.1109/IEEECONF58974.2023.10405112

Can neurons speak? Semantic narration of vision at single-cell resolution

神经元能说话吗？单细胞分辨率的视觉语义叙述

Arnau Marin-Llobet, Richard Hakim, Sara Matias, Venkatesh N. Murthy, Na Li, Demba Ba

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

AI总结 提出NEURRATOR框架，通过将神经元活动解码为自然语言描述，实现单细胞分辨率的视觉语义叙述，并用于量化解码保真度及解析单个神经元和特定细胞类型的功能贡献。

Structured Representation Learning with Locally Linear Embeddings and Adaptive Feature Fusion

基于局部线性嵌入与自适应特征融合的结构化表示学习

Somjit Nath, Jackson J Cone, Derek Nowrouzezahrai, Samira Ebrahimi Kahou

机构 * Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 受神经科学启发，提出一种强化学习框架，利用局部线性嵌入捕捉状态局部结构，并通过注意力机制自适应融合动态与奖励特征，提升学习效率。

Comments Published in Transactions on Machine Learning Research (04/2026)

Improved Multiscale Structural Mapping with Supervertex Vision Transformer for the Detection of Alzheimer's Disease Neurodegeneration

改进的多尺度结构映射与超顶点视觉Transformer用于阿尔茨海默病神经退行性病变的检测

Geonwoo Baek, David H. Salat, Ikbeom Jang

机构 * Department of Computer Science \& Engineering, Hankuk University of Foreign Studies, Seoul, Republic of Korea ； Athinoula A. Martinos Center for Biomedical Imaging, Department of Radiology, Massachusetts General Hospital, Charlestown, MA, USA ； Department of Radiology, Harvard Medical School, Boston, MA, USA ； Neuroimaging Research for Veterans (NeRVe) Center, VA Boston Healthcare System, Boston, MA, USA 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出MSSM+结合SSVM和SV-ViT，通过多尺度结构映射和超顶点映射提高阿尔茨海默病早期检测的准确性，实现了更显著的组间差异识别和分类性能提升。

Comments Submitted to Human Brain Mapping

Journal ref Human Brain Mapping 47(8), e70548 (2026)