脑机接口 / BCI

NeuraDock Visual Cognitive Load Agent Tutorial: A Quality-Gated Open-Source EEG Workflow for Alpha Dynamics and Real-Time Applications

NeuraDock 视觉认知负荷代理教程：面向 Alpha 动态与实时应用的质量门控开源 EEG 工作流

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉元智能科技有限公司（NeuraDock）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出 NeuraDock Agent 开源 EEG 代理，通过质量门控工作流实现 Alpha 动态分析和视觉认知负荷实时应用，弥合离线与在线分析差距。

Comments 22 pages, 10 figures

TinyCNNDeep: Lightweight Attention-Based CNN for EEG Classification of Eye States and Sleep Deprivation

TinyCNNDeep: 基于轻量级注意力CNN的脑电图眼状态与睡眠剥夺分类

Thien Nhan Vo, Yen Nhi Tran Thi, Ngan Nguyen Xuan Phuong, Xuan-The Tran

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 针对睡眠剥夺与眼状态联合分类问题，提出轻量级CNN模型TinyCNNDeep，结合残差学习和SE注意力模块，将多通道EEG转换为图像，在35名受试者数据上达到83.69%准确率，远超基线方法。

Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs

利用人类阅读过程中产生的认知信号增强微博关键词抽取

Xinyi Yan, Yingyi Zhang, Chengzhi Zhang

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

AI总结 研究利用脑电图（EEG）和眼动追踪信号增强微博关键词抽取（AKE），发现EEG特征带来最大性能提升，两种信号部分互补但存在冗余。

Journal ref IPM, 2024

Wearable Device-Based Real-Time Monitoring of Physiological Signals: Evaluating Cognitive Load Across Different Tasks

基于可穿戴设备的生理信号实时监测：评估不同任务下的认知负荷

Ling He, Yanxin Chen, Wenqi Wang, Shuting He, Xiaoqiang Hu

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC

AI总结 本研究利用可穿戴技术，通过分析FP1通道脑电图和心率变异性数据，结合随机森林分类模型，实现了对中职学生认知负荷的高精度（97%）实时评估，并验证了跨任务迁移性。

Comments We are withdrawing this version as the submission was made prior to the completion of full internal coordination among all co-authors. To ensure consistency and avoid any potential misinterpretation, we have decided to withdraw the manuscript and leave it archived as a preprint record only

An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students

人工智能辅助学习模式对高中生的探索性行为与脑电图研究

Kashika Khurana, Ally Liew

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过行为指标和脑电图数据，比较三种AI交互模式（导师、协作者、求解器）对高中生认知参与和问题解决行为的影响，发现不同模式下行为存在显著差异，脑电模式虽未达统计显著但值得进一步探索。

Comments 16 pages, 11 figures