脑机接口 / BCI

DiffEEG: A Self-Supervised Denoising Diffusion Model for Learning EEG Generic Representations

DiffEEG：用于学习脑电通用表示的自监督去噪扩散模型

Abdulkader Helwan, Lina Abou-Abbas, Hussein El Amouri, Belkacem Chikhaoui, Khadidja Henni

机构 * Lebanese American University（黎巴嫩美国大学） ； Institute of Applied Artificial Intelligence, TÉLUQ University（应用人工智能研究所，泰鲁克大学） 纠错

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

AI总结 研究针对基于脑电的癫痫检测面临的注释稀缺和类别不平衡问题，提出DiffEEG自监督基础模型，通过去噪扩散预训练和强化学习微调学习通用神经表示，在癫痫检测中取得较好效果，证明该方法能以最少标记数据实现临床可部署监测。

Comments 19 pages, 6 figures

SpindleFlexNet: Flexible sleep spindles detection for EEG signals based on an adaptive one-dimensional RetinaNet-based framework

SpindleFlexNet：基于自适应一维视网膜网络框架的脑电信号灵活睡眠纺锤波检测

Shao-Jun Xia, Jing Bao, Anlan Sun, Xiaoyang Chen, Hongjia Liu, Xiao-Ting Li, Ying-Shi Sun

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

AI总结 研究针对睡眠纺锤波在脑电信号中占比小、检测难问题，提出SpindleFlexNet框架，基于自适应一维视网膜网络架构，经两个数据集训练和验证，该框架检测性能稳定、泛化性好，为睡眠研究提供实用工具。

Comments 12 pages, under submission

Multimodal EEG-IMU Fusion for Motor Assessment: Leveraging Task-Dependent Complementarity for Robustness

用于运动评估的多模态脑电-惯性测量单元融合：利用任务相关互补性提高鲁棒性

Zhenan Yin, Lalitha Pranathi Pulavarthy, Saptarshi Purkayastha

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

AI总结 研究针对运动障碍评估中多传感模式整合不足问题，通过同步记录脑电-惯性测量单元数据，评估特定任务模态性能和多模态融合。结果表明脑电和惯性测量单元各有优势，后期融合可利用互补性提高评估可靠性，为大规模临床验证提供依据。

Graph Bispectrum for Nonlinear Mode Interactions

用于非线性模式相互作用的图双谱

Rahul Singh, Reza Abiri, Walter Besio

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在刻画图信号高阶相互作用，基于图傅里叶系数三阶矩定义图双谱张量及图双相干度量，建立相关性质，通过合成信号与脑电图实验验证其能检测非线性依赖，为图信号高阶分析提供可解释且高效的工具。

Introducing entropy measures to PK/PD models in propofol anesthesia as a replacement of BIS

将熵测度引入丙泊酚麻醉的PK/PD模型以替代脑电双频指数

Alexander Edthofer, Christina Huber, Fabrizio Renzaglia, Andreas Körner

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究旨在寻找替代脑电双频指数（BIS）监测麻醉深度的指标，提出用置换熵（PeEn）和差分熵（EoD）两种基于熵的脑电图测量方法，通过与PK/PD模型生成的模拟BIS值比较评估性能，结果显示二者性能与模拟BIS相当，或可有效监测麻醉深度。

Comments 9 pages, 4 figures, submitted to the 12th Federation of European Simulation Societies Conference (Eurosim 2026)

When Context Dominates: Multimodal Signatures of Takeover Readiness Under Varying Hazard and Cognitive Load Conditions

当情境占主导时：不同危险和认知负荷条件下接管准备的多模态特征

Shiva Azimi, Yasaman Hakiminejad, Luis Gomero, Elizabeth Pantesco, Irene P. Kan, Meltem Izzetoglu, Arash Tavakoli

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

AI总结 研究在驾驶模拟器实验中探究危险类型、次要任务等因素对驾驶员接管行为的影响，采用多模态传感框架评估，发现危险情境是主要决定因素，为半自动车辆人机协作策略奠定基础。

Learning Residual Kinematic Corrections for Continuous Neural Decoding via Reinforcement Learning

通过强化学习学习连续神经解码的残余运动学校正

Jiamian Li, Niall McShane, Attila Korik, Naomi du Bois, Karl McCreadie, Leen Jabban, Benjamin Metcalfe, Özgür Şimşek, Damien Coyle

机构 * University of Bath（巴斯大学） ； University of Ulster（阿尔斯特大学） ； Bath Institute for the Augmented Human（巴斯增强人类研究所） 纠错

专题命中 运动想象 ：BCI(summary_cn,abstract)；EEG(summary_cn,abstract)；neural decoding(title)；motor imagery(abstract)

AI总结 研究针对基于EEG的BCI连续3D运动想象解码难题，提出CNN-LSTM-RL两阶段框架，用强化学习对解码器输出校正残余运动学误差，实验表明该框架有效提升解码性能，推动相关领域发展。

Event-based Neural Decoding for Neuroprosthetic Motor Control

用于神经假体运动控制的基于事件的神经解码

Khaleelulla Khan Nazeer, Sirine Arfa, Matthias Jobst, Richard George, Christian Mayr

机构 * TU Dresden（德累斯顿工业大学） 纠错

专题命中 神经假体 ：neural decoding(title,abstract)；neuroprosthetic(title,journal_ref)；分类 cs.LG

AI总结 研究针对因残疾等行动不便患者，提出基于事件的神经解码方法，用基于事件的门控循环单元生成稀疏通信模式，经有效训练方法和稀疏推理，在任务性能上超越经典脉冲神经网络，为设备上神经解码带来新机会。

Journal ref K. K. Nazeer, S. Arfa, M. Jobst, R. George and C. Mayr, "Event-based Neural Decoding for Neuroprosthetic Motor Control," 2025 IEEE Biomedical Circuits and Systems Conference (BioCAS), Abu Dhabi, United Arab Emirates, 2025, pp. 334-338

Threat Vectors and the State of the Art in Defense Methods for Security in Neurotechnology

神经技术安全防御方法中的威胁向量与现状

Bryce-Allen Bagley, Nathaniel Rose, Quintus Kilbourn, Matthew Canham

专题命中 BCI数据与评测 ：BCI(summary_cn,abstract)；brain-computer interface(abstract)；分类 q-bio.NC、cs.HC

AI总结 本文针对脑机接口安全研发滞后问题，回顾神经安全技术现状，全面调查BCI系统安全威胁，给出可应用于弥补神经安全差距的现有方法建议，助力提升神经技术安全。

Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

用于跨个体解码的快速全脑几何感知功能对齐

Pierre-Louis Barbarant, Florent Meyniel, Bertrand Thirion

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； Cognitive Neuroimaging Unit（认知神经成像单位） ； Institut National de la Santé et de la Recherche Médicale（法国国家卫生与医学研究院） ； Commissariat à l’Energie Atomique et aux énergies alternatives（法国原子能委员会及替代能源委员会） ； NeuroSpin center（神经科学中心） ； Institut de neuromodulation（神经调制研究所） ； Université Paris Cité（巴黎-城市大学） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究旨在解决个体大脑反应差异限制跨个体解码器发展的问题，提出功能对齐方法SpectralOT，将皮质几何嵌入拉普拉斯 - 贝尔特拉米本征模式规范对齐，以平衡功能特征与解剖结构，保持计算效率。

Journal ref Proceedings of the 9th Conference on Cognitive Computational Neuroscience, New York, NY, USA, 2026

Cross-Subject Modeling for Widefield Calcium Imaging via Atlas-Aligned Spatiotemporal Tokenization

通过图谱对齐的时空令牌化实现宽场钙成像的跨主体建模

Mohammad Hosseini, Eray Erturk, Saba Hashemi, Maryam M. Shanechi

机构 * ShanechiLab（沙内奇实验室） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究针对宽场钙成像建模受限问题，提出多主体模型WiCAT，利用自监督预训练，引入图谱对齐的时空令牌化方案，能跨主体、任务和数据集迁移，实现零样本行为解码及遗漏脑区重建，优于基线模型。

Comments Published at the 43rd International Conference on Machine Learning (ICML) 2026. Code available at: https://github.com/ShanechiLab/WiCAT

Journal ref ICML 2026