脑机接口 / BCI

What Causes Performance Degradation in Cross-Subject EEG Classification?

跨主体脑电分类中性能下降的原因是什么？

Yihe Wang, Taida Li, Yujun Yan, Wenzhan Song, Xiang Zhang

专题命中 EEG解码 ：EEG(title,abstract)；motor imagery(abstract)

AI总结 本文研究了跨主体脑电分类性能下降的原因，发现主体间差异和捷径学习是主要因素，针对不同任务提出改进方法。

Comments Accepted by the IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。

Entangled criticality and irreversibility in random Markov dynamics

异质性主导随机马尔可夫模型中的不可逆性

Faheem Mosam, Eric De Giuli

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 该研究提出了一种随机马尔可夫模型，揭示异质性对临界行为和生物动力学分析的关键作用。

Comments 11 pages, 10 figures

Journal ref Phys. Rev. E 114, 014315 (2026)

PhasorFlow: A Python Library for Unit Circle Based Computing

PhasorFlow：基于单位圆的计算Python库

Dibakar Sigdel, Namuna Panday

机构 * Mindverse Computing LLC 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 PhasorFlow基于单位圆提出新的计算范式，通过复数相位编码和单位波干涉门实现连续几何梯度预测学习，提供Phasor Circuit模型、变分相位电路和相位变换器三大贡献，验证了其在非线性分类、时间序列预测等任务中的有效性。

Inferring Non-Normal Amplification Geometry from Multivariate Time Series

从多元时间序列推断非正态放大几何结构

V. R. Saiprasad, V. Troude, D. Sornette

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究多元时间序列中渐近稳定动力学的非正态放大几何结构，提出非正态方向响应推断方法，通过估计局部线性算子投影到二维子空间，用特征值分裂等总结动力学，能从有限数据恢复结构，应用于多种记录揭示相关变化。

Comments 35 pages, 17 figures

An offline approach to fNIRS-guided reinforcement learning for robot behavior

一种用于机器人行为的基于fNIRS引导的强化学习的离线方法

Julia Santaniello, Madelaine Brower, Benson Jiang, Donatello Sassaroli, Robert Jacob, Jivko Sinapov

专题命中 神经信号处理 ：BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结 研究利用fNIRS脑信号调节机器人模拟学习的可行性，比较不同交互任务训练的智能体，测试多种增强强化学习算法的方法，发现该框架能有效利用神经信号增强学习，还可离线学习，为特定场景提供替代方案。

Comments Preliminary results

Automated detection of circadian-dependent epileptic biomarkers for seizure localization using machine learning and signal processing

使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位

Mehdi Zekriyapanah Gashti, Mostafa Mohammadpour, Hassan Eshkiki, Vahid Ghanbarizadeh

专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。

Comments This version corresponds to the published journal article

Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026

Lattice Field Theory for a network of real neurons

神经网络的晶格场论

Simone Franchini, Giampiero Bardella

专题命中 神经信号处理 ：brain-computer interface(abstract)

AI总结 本文提出一种简化晶格场论框架，用于解释脑机接口的实验记录，结合最大熵模型和自由能原理，适用于慢性多站点脑机接口的神经元活动记录。

Comments Presented at the 42nd International Symposium on Lattice Field Theory (LATTICE2025), 2-8 November 2025, Tata Institute of Fundamental Research, Mumbai, India. Parallel Session Theoretical developments and applications beyond Standard Model. 10 pages

Journal ref Proceedings of Science 518, 178 (2026)

EEG-based AI-BCI Wheelchair Advancement: Transformer-Based Learning with Motor Imagery for Brain Computer Interface

基于EEG的AI-BCI轮椅前进：用于脑机接口的混合深度学习与运动想象

Bipul Thapa, Biplov Paneru, Bishwash Paneru, Khem Narayan Poudyal

机构 * Department of Computer Science and Engineering, Kathmandu University（加德满都大学计算机科学与工程系） ； Department of Electronics and Communication Engineering, Nepal Engineering College, Pokhara University（博卡拉大学尼泊尔工程学院电子与通信工程系） ； Department of Applied Sciences and Chemical Engineering, Institute of Engineering, Pulchowk Campus, Tribhuvan University（特里布万大学工程学院普尔乔克校区应用科学与化学工程系） 纠错

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

AI总结 本文提出一种结合运动想象左右手运动机制的AI集成方法，利用EEG数据模拟轮椅导航，采用CNN-Transformer混合模型实现高准确率的EEG分类。

Dendrite: A Real-Time Python Application for Online Brain-Computer Interface Research and Development

Dendrite：用于在线脑机接口研究与开发的实时Python应用程序

Niko Kroflic, Jan Babič

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

AI总结 研究旨在开发在线脑机接口软件，核心方法是用Python编写Dendrite应用程序，它整合信号采集、解码器训练与实时推理，能同时记录多信号流并并发处理，可重现且开源，为在线BCI范式开发评估提供了系统。

Comments 15 pages, 5 figures