脑机接口 / BCI

Test-Time Adaptation for EEG Foundation Models: A Systematic Study under Real-World Distribution Shifts

EEG基础模型的测试时间适应：在现实世界分布偏移下的系统研究

Gabriel Jason Lee, Jathurshan Pradeepkumar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文系统研究了EEG基础模型在现实分布偏移下的测试时间适应方法，发现标准方法效果不稳定且易退化，而无优化方法更稳定可靠。

Comments Accepted to MLHC 2026

EEG-SpikeAgent: Agentic Closed-Loop Program Synthesis for Automated EEG Spike Detection

EEG-SpikeAgent：用于自动脑电图尖峰检测的智能闭环程序合成

Sonali Santhosh, Kelly Shuhong Yu, Eugene Chang, Jonathan Kim, Kie Shidara, Danilo Bernardo

机构 * Dept. of Brain and Cognitive Sciences, Massachusetts Institute of Technology（脑科学与认知科学系，麻省理工学院） ； Dept. of Neuroscience, University of California, Berkeley（神经科学系，加州大学伯克利分校） ； Dept. of Neurology and Neurologic Sciences, Stanford University（神经病学与神经科学系，斯坦福大学） ； Weill Institute of Neurology and Neurosciences, University of California, San Francisco（Weill神经医学研究所，加州大学旧金山分校） ； University of California, San Francisco（加州大学旧金山分校） 纠错

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

AI总结 研究利用大语言模型智能系统，为头皮脑电图尖峰检测生成信号处理特征。核心方法是迭代提出特征模块并执行代码生成表格特征，评估性能后反馈优化。贡献是实现可审核的脑电图特征工程自动化。

Comments 7 pages, 5 figures

miMamba: EEG-based Emotion Recognition with Multi-scale Inverted Mamba Models

miMamba：基于多尺度倒置曼巴模型的脑电情感识别

Xin Zhou, Dawei Huang, Xiaojing Peng, Lijun Yin

机构 * Department of Computer Science, State University of New York at Binghamton（纽约州立大学布法罗分校计算机科学系） ； College of Big Data and Internet, Shenzhen Technology University（深圳科技大学大数据与互联网学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；分类 eess.SP、cs.LG、cs.HC

AI总结 研究脑电情感识别，提出多尺度倒置曼巴（MS-iMamba）网络，含多尺度时间块和时空融合块，能捕捉不同尺度子序列特征及时空交互，实验表明其仅用四通道脑电信号就优于现有方法。

Comments IEEE Transactions on Affective Computing (2025)

Journal ref IEEE Transactions on Affective Computing ( Volume: 16, Issue: 4, Oct.-Dec. 2025)

Wavelet Scattering Transform for Interpretable Schizophrenia Biomarker Discovery and Classification from Resting-State EEG

基于小波散射变换的可解释精神分裂症生物标志物发现及静息态脑电图分类

Md. Taksimul Ahsan Tawhid, Nasif Ahmed Rafe, Alif Tahmid Priyom, K. M. Mustafizur Rahman

机构 * Department of EECE, Military Institute of Science and Technology (MIST)（电子工程与计算机科学系，军事科学与技术学院（MIST）） 纠错

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

AI总结 针对现有精神分裂症EEG分类方法存在特征缺陷、数据泄露的问题，本研究结合小波散射变换、留一受试者交叉验证与SHAP可解释性方法，实现高精度分类并识别出关键生物标志物。

Comments 15 pages, 11 figures

Lightweight ML-Based Automatic Sleep Staging Framework with Constrained CNN and Mamba for Small-Sample EEG Datasets

基于轻量级机器学习的自动睡眠分期框架：用于小样本脑电数据集的约束卷积神经网络和曼巴算法

Zihao Wei, Yulin Gong, Yudan Lv

机构 * School of Electronic Information Engineering, Changchun University of Science and Technology（长春理工大学电子信息工程学院） ； Jilin University（吉林大学） 纠错

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

AI总结 针对小样本脑电数据自动睡眠分期面临的挑战，提出GamSleepNet框架，结合改进Gabor核与可学习滤波器提取特征，用曼巴架构构建网络，引入新损失和训练策略，验证了最佳数据集大小，提升了挑战性睡眠阶段识别准确率。

See the Emotion: A Facial Emoji Proxy Modeling for EEG Emotion Recognition

看见情感：用于脑电图情感识别的面部表情符号代理建模

Jingjing Hu, Guo Dan, Haofan Cheng, Ying Zeng, Zhan Si, Jinxing Zhou, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； PLA Information Engineering University（中国人民解放军信息工程大学） ； University of Science and Technology of China（中国科学技术大学） ； MBZUAI 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural signal(abstract)；分类 cs.HC

AI总结 研究将脑电图可解释性重构为跨模态生成任务，提出面部表情符号代理建模框架，把高维脑电图信号转化为面部表情符号，在相关基准测试中取得先进准确率，能生成忠实面部动画展现大脑情感演变。

Comments Accepted by ICML 2026

A Granularity-Aware EEG Feature Framework for Psychopathology Dimension Prediction

一种用于精神病理学维度预测的粒度感知脑电图特征框架

Haofan Cheng, Jingjing Hu, Jingrong Pei, Shuaiqi Fu, Meilun Shen, Shuai Fang, Meng Wang, Dan Guo, Jie Zhang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Preventive Medicine Institute & Medical Innovation Center, The Fourth Military Medical University（第四军医大学预防医学研究所&医学创新中心） ； Key Laboratory of Knowledge Engineering with Big Data (Ministry of Education of China), Hefei University of Technology（合肥工业大学大数据知识工程教育部重点实验室） 纠错

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

AI总结 开发粒度感知脑电图特征管道，将多尺度描述符组织到不同层级，用健康脑网络队列评估对四种精神病理学维度的预测，树模型等有改进，多尺度特征含相关信号，粒度感知选择或为有用策略。

Prior-Guided Frequency-Calibrated Virtual EEG Channel Inference from Four Frontal Electrodes for Wearable EEG Augmentation

用于可穿戴脑电图增强的鲁棒频率校准虚拟脑电通道生成：来自四个额叶电极

Minghao Xiao

机构 * School of Biomedical Science and Engineering, South China University of Technology（生物医学工程学院，华南理工大学） ； School of Automation Science and Engineering, South China University of Technology（自动化科学与工程学院，华南理工大学） 纠错

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

AI总结 提出FAVC-Net网络，通过频率校准从四个额叶电极生成13个未测量通道，联合优化波形保真度、频谱分配和鲁棒性，在PRED+CT数据集上实现最佳波形-频谱性能。

Comments 19 pages, 4 figures

What Does the Brain See? Multiview Neural Representations to Demystify the Brain-Visual Alignment

大脑看到了什么？多视角神经表征揭示大脑-视觉对齐

Salini Yadav, Taveena Lotey, Pravendra Singh, Partha Pratim Roy

机构 * Department of CSE IIT Roorkee（印度理工学院鲁尔基分校计算机科学与工程系） ； Department of CSE IIT (ISM) Dhanbad（印度理工学院(印度矿业学院)丹巴德分校计算机科学与工程系） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出多视角EEG表示学习框架，联合建模时域、频域和空间结构，通过对比学习对齐视觉语义，在THINGS-EEG基准上实现SOTA零样本分类。

NeuroOnline: Bridging Pretraining and Online Adaptation for EEG Foundation Models

NeuroOnline：为脑电图基础模型搭建预训练与在线适应的桥梁

Weibin Li, Wendu Li, Yushan You, Chen Wei, Quanying Liu

机构 * Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 研究脑电图基础模型，提出NeuroOnline框架，集成多视图一致性学习和上下文感知表示调制机制，统一表示对齐和动态适应，实验表明其在在线设置中性能优于基线。

SPIDER -- Stitched Power-spectra for Inferring Directed information flow from incomplete and asynchronous Experimental Recordings

SPIDER -- 从不完整且异步的实验记录中推断有向信息流的拼接功率谱方法

Yisi S. Zhang, Daniel Y. Takahashi

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出SPIDER框架，利用频谱拼接和矩阵补全从异步、不完整的多区域记录中恢复有向信息流，通过模拟和神经数据验证，揭示了脑区间theta频带的前馈层级结构。

A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps

来自TRIBE的全局预测fMRI驱动信号无法预测YouTube重播热图

Barada Sahu, Shivesh Pandey

机构 * Cabal AI ； Para AI 纠错

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

AI总结 本研究测试了深度多模态脑编码模型TRIBE预测的fMRI信号是否能预测YouTube视频的重播行为，发现全局场功率与重播热图无显著相关性。

Comments 12 pages, 2 figures. v2: adds equivalence and Bayes-factor bounds, split-half reliability ceiling, a supervised probe with proper position control, a per-input-stream dissociation, and ISC discussion. Code, video-ID manifest, and per-video results: https://github.com/mercurialsolo/tribe-replay-heatmaps

Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features

可解释机器学习利用运动校正QSM MRI和多波段多回波fMRI特征预测帕金森病严重程度

Aixa X. Andrade

机构 * Lyda Hill Department of Bioinformatics（Lyda Hill 生物信息学系） ； Department of Biomedical Engineering（生物医学工程系） ； University of Texas Southwestern Medical Center, Dallas, Texas, USA（德克萨斯西南医学中心，德克萨斯州达拉斯） 纠错

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

AI总结 利用可解释机器学习，从QSM和多波段多回波静息态fMRI衍生的ReHo特征预测帕金森病运动严重程度。提取特征进行多模型实验，结果显示不同模型表现及特征贡献，表明结构和功能成像依临床预测目标作用不同。

Comments 16 pages from main manuscript and 17 pages from supplementary information

CLABTOOLKIT: An Open-Source Toolkit for Routine Processing, Manipulation, and Visualization of Neuroimaging Data

CLABTOOLKIT：用于神经影像数据常规处理、操作和可视化的开源工具包

Yasser Alemán-Gómez, Nino Hervé, Patric Hagmann

机构 * Connectomics Lab, Department of Radiology, Lausanne University Hospital (CHUV)（洛桑大学医院（CHUV）放射科连接组学实验室） ； University of Lausanne (UNIL)（洛桑大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 神经影像研究面临数据结构多样、工具接口和格式不兼容问题。CLABTOOLKIT将相关操作整合为统一框架，核心数据结构可处理多种格式数据，还有多个模块支持多种分析及可视化，其配置系统方便定制工作流程。

Comments Presented at OHBM 2026 in Bordeaux, France. Submitted to Aperture Neuro

Stacked LoRA for Subject-Adaptive EEG Foundation Models in Motor Imagery Decoding

用于运动想象解码中主题自适应脑电基础模型的堆叠式LoRA

Aymen Sarhane, Fouad Lbakali, Mouad Souissi, Jonathan Lys, Giulia Lioi

机构 * IMT Atlantique, Lab-STICC（法国布雷斯特的IMT大西洋学院，Lab-STICC实验室） 纠错

专题命中 运动想象 ：EEG(title,abstract)；motor imagery(title,abstract)；BCI(abstract,abstract_cn)；brain-computer interface(abstract)

AI总结 脑机接口的脑电图解码面临受试者间差异大的挑战。基于现有脑电基础模型，研究不同低秩适应策略对运动想象分类的影响，提出堆叠式LoRA框架，有效减轻受试者间差异，在多数组合中获最佳准确率。

Comments 10 pages, 1 figure, 2 tables. Accepted at the 2026 IEEE World Congress on Computational Intelligence (WCCI 2026), Maastricht, Netherlands

Physiological Noise Augmentation Improves Non-Invasive Brain-to-Speech

生理噪声增强提升非侵入式脑语音解码性能

Benjamin Ballyk, Teyun Kwon, Miran Özdogan, Oiwi Parker Jones

机构 * PNPL Department of Engineering Science（PNPL工程科学系） 纠错

专题命中 神经假体 ：EEG(abstract,abstract_cn)；BCI(abstract_cn)；分类 cs.LG

AI总结 针对非侵入式脑语音解码信噪比低、字错误率高的问题，提出生理噪声增强数据增强方法，生成符合生物物理特性的训练样本，大幅提升解码准确率与脑机接口鲁棒性。

Comments 18 pages, 10 figures

EEG-Based Imagined Speech Decoding Using a Hybrid CNN-SNN Architecture

基于脑电图的想象语音解码：使用混合卷积神经网络-脉冲神经网络架构

Fatima Shalhoub, Mariam Al Mawla, Kabalan Chaccour, Iván López-Espejo, Hoda Fares

机构 * Doctoral School of Science, Technology, and Engineering, University of Granada（格拉纳达大学科学、技术与工程博士学院） ； University of Technology Belfort-Montbéliard, SINERGIES（贝尔福-蒙贝利亚尔技术大学，协同实验室） ； Department of Signal Theory, Telematics and Communications, University of Granada（格拉纳达大学信号理论、电信与通信系） ； Department of Chemical Engineering, Stanford University（斯坦福大学化学工程系） ； Department of Electrical and Computer Engineering, Aarhus University（奥尔胡斯大学电气与计算机工程系） 纠错

专题命中 语音与意图解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；分类 cs.HC

AI总结 研究针对脑电图信号想象语音解码难题，提出用卷积神经网络提取时间表征，再经脉冲神经网络进行生物启发式时间分类的混合解码方法，在基准测试中取得高准确率，证明该方法有效性。

Comments Accepted to IEEE EMBC 2026

Masked Generative-Contrastive Representation Learning for Cross-Dataset EEG-Based Emotion Recognition

用于跨数据集基于脑电图的情绪识别的掩码生成对比表示学习

Huqin Weng, Jiayang Huang, Yimin Wen, Jie Du, Chi-Man Vong, Chuangquan Chen

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 cs.LG

AI总结 提出掩码生成对比表示学习框架MGCRL用于跨数据集脑电图情绪识别，基于区域感知时空编码器，整合生成与对比学习，通过关键设计实现跨数据集泛化的细粒度和全局判别表示。

Robust Sparse Bayesian Learning Based on Minimum Error Entropy for Noisy High-Dimensional Brain Activity Decoding

基于最小误差熵的鲁棒稀疏贝叶斯学习用于噪声高维脑电活动解码

Yuanhao Li, Badong Chen, Wenjun Bai, Yasuharu Koike, Okito Yamashita

机构 * Department of Computational Brain Imaging, ATR Neural Information Analysis Laboratories（计算脑成像部门，ATR神经信息分析实验室） 纠错

专题命中 其他BCI ：brain-computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究旨在构建鲁棒稀疏贝叶斯学习框架解决噪声高维脑电活动解码问题。基于最小误差熵学习准则，在广义贝叶斯范式下重构框架，所提算法在解码任务中性能更优且模式更具生理可解释性。

Shao: Scaling Acoustic Token Language Models Toward High-Fidelity Music Generation

Shao：将声学令牌语言模型扩展至高保真音乐生成

Jiafeng Liu, Yuanliang Dong, Hongjia Liu, Yuqing Cheng, Zhancheng Guo, Huijing Liang, Wenbo Zhan, Yuming Sun, Xiaobing Li, Feng Yu, Maosong Sun

机构 * Central Conservatory of Music（中央音乐学院） ； Tsinghua University（清华大学） 纠错

专题命中 其他BCI ：neural decoding(abstract)

AI总结 该研究提出单一声学令牌层级内渐进建模音乐结构与保真度的框架，通过双阶段生成与混合注意力训练，无需异构空间即可实现高质量音乐生成。

Rethinking Brain Decoding with CLIP: The Role of Adversarial Robustness

用CLIP重新思考大脑解码：对抗鲁棒性的作用

Byeongseo Bok, Futa Waseda, Jun Liu, Isao Echizen

机构 * The Graduate University for Advanced Studies (SOKENDAI)（高等研究院（索邦大学）） ； National Institute of Informatics（国立情报学研究所） ； The University of Tokyo（东京大学） 纠错

专题命中 其他BCI ：neural decoding(abstract)

AI总结 研究用CLIP进行大脑解码时，探讨对抗鲁棒表示能否改善神经解码。通过固定fMRI解码器，在不同任务和数据集上改变目标表示，发现此方法能提升任务性能及特征对齐，表明对抗鲁棒性可作为大脑解码有用标准。

Comments 20 pages, 10 figures