脑机接口 / BCI

DS-MTNet:Structured Multi-Task EEG Decoding for Human-Machine Collaboration

DS-MTNet：用于人机协作的结构化多任务脑电解码

Xinjia Yu, Yang Zhou, Jing Yang, Tielin Shi, Tao Cheng

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

AI总结 研究针对人机协作中操作员内部过程未充分融入机器感知的问题，提出DS-MTNet框架，集成多流并采用双门控机制，在驾驶EEG数据集测试中性能最佳，能统一组织相关脑电证据，为纳入神经证据到机器感知迈进了一步。

Comments 11 pages, 4 figures

Using hierarchical statistical learning models to model individual statistical learning

使用分层统计学习模型对个体统计学习进行建模

Hanna Ringer, Tatsuya Daikoku

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

AI总结 研究用分层贝叶斯统计学习模型，在有无诵读困难的成年人听结构化音调序列时，通过EEG记录对个体学习轨迹建模，虽未发现组间显著差异，但模型模拟与EEG数据对应紧密，为未来研究提供概念验证。

Reducing the Complexity of Deep Learning Models for EEG Analysis on Wearable Devices

降低可穿戴设备上用于脑电图分析的深度学习模型复杂度

Farough Shayeste Roodi, Parham Zilouchian Moghaddam, Mahdi Mohammadi-nasab, Mehdi Modarressi, Mostafa Ersali Salehi Nasab, Masoud Daneshtalab

机构 * University of Tehran（德黑兰大学） ； Mälardalen University（梅拉达伦大学） ； Royal Institute of Technology（皇家理工学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究通过参数量化和电极减少方法，在资源受限的可穿戴设备上部署DNN模型，实现脑电图分析中精度与复杂度的权衡。

Contextual Semantic Relevance and Word Surprisal Predict N400 and P600 Dynamics During Naturalistic Reading

语义整合和词汇预期塑造自然阅读过程中的N400和P600动态

Kun Sun, Rong Wang

机构 * Tongji University（同济大学） ； University of Tuebingen（图宾根大学） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究借助语料库，通过回归分析等测试语境语义相关性和词惊喜度对脑电活动的预测，发现二者与脑电反应相关但模式有别，语境语义相关性在P600窗口解释力强，表明自然阅读依赖二者，其提供了话语语义与脑电动态的计算联系。

DBNN: Neural Spike Classification Using a Deep Binarized Neural Network

DBNN：使用深度二值化神经网络进行神经尖峰分类

Binyi Ren, Luca M. Meyer, Majid Zamani

机构 * The School of Electronics and Computer Science (ECS), University of Southampton（电子与计算机科学学院（ECS），南安普顿大学） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究针对可植入脑机接口的神经尖峰分类问题，提出基于深度二值化神经网络（DBNN）的尖峰排序系统，该系统含特定结构层，处理紧凑波形，降低成本，在合成和体内数据集上准确率达98.7%，硬件成本低且无乘法器操作，适用于低功耗可植入神经接口。

Comments Paper under review

Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps

量化夹带证据：信息处理通路图的频率主义和贝叶斯方法比较

Kaibo Zhang, Ji Wu, Chao Zhang, Andrew Thwaites

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

AI总结 比较频率主义与贝叶斯方法映射皮层夹带，贝叶斯方法保留核心优势并改变选择标准，通过听觉神经成像数据集评估性能和可解释性，探讨对系统神经科学的影响。