脑机接口 / BCI

Brain-CLIPLM: Semantic Compression for EEG-to-Text Decoding

Brain-CLIPLM: 用于EEG到文本解码的语义压缩

Xiaoli Yang, Huiyuan Tian, Yurui Li, Jianyu Zhang, Shijian Li, Gang Pan

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学，北京，中国） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 该研究提出Brain-CLIPLM框架，通过语义锚点恢复和锚点引导的句子重建，解决EEG信号低信噪比和信息带宽限制的问题，实现了更高的文本检索准确率。

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

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

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

NeuroCommitSSM: Decision-Centric Shared Autonomy for Safe Assistive Manipulation via EEG-EMG-ET Commit Readiness

NeuroCommitSSM：通过脑电图-肌电图-眼动追踪提交准备实现安全辅助操作的以决策为中心的共享自主性

Tipu Sultan, Param Sangani, Kody Cool, Pascal Sikorski, Guangping Liu, Hadi Akbarpour, Madi Babaiasl

机构 * Saint Louis University（圣路易斯大学） 纠错

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

AI总结 NeuroCommitSSM是用于辅助机器人操作安全控制的以决策为中心框架，依EEG、EMG和ET预测提交分数转化为离散事件，经三状态监督器控制执行。实验表明其在多场景下准确率高、错误提交低，硬件验证减少错误启动和决策不稳定。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 3 figures, and 8 tables

Physiological Prior-Driven Label Enhancement for Cross-Subject EEG Emotion Recognition

用于跨主体脑电情感识别的生理先验驱动标签增强

Hongyu Zhu, Lin Chen, Yuming Fu, Mounim A. El-Yacoubi, Mingsheng Shang

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

AI总结 针对跨主体脑电情感识别中标签噪声问题，提出PhyDA框架，通过生理噪声量化器和数据自适应标签细化器，统一神经生理先验与数据驱动的标签细化，实验证明该方法显著优于基线，具有可解释性和鲁棒性。

Comments Submitted; 11 pages

The RG-Flow Transformer: Encoding Scale-Free Dynamics in Scarce EEG

用于稀缺神经数据的尺度感知注意力：基于睡眠脑电信号的RG流变压器

Dibakar Sigdel

机构 * Mindverse Computing LLC（Mindverse计算有限责任公司） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究在稀缺脑电数据上比较具有RG归纳偏差的RG流变压器和普通变压器，通过睡眠脑电语料库实验发现二者在睡眠分期准确率上无显著差异，但RG流变压器具有可解释性，能在样本外恢复连续谱指数。

Cauchy-Paul wavelet transforms revisited: A framework for intermittent non-sinusoidal oscillations

重新审视柯西 - 保罗小波变换：间歇性非正弦振荡的框架

P. Argoul, J. Taillard, F. Argoul

专题命中 EEG解码 ：EEG(abstract)

AI总结 该研究重新审视柯西 - 保罗小波变换，为间歇性非正弦振荡建立新框架。通过引入特征时间尺度确保维度一致，分析其频谱特性，并用基于相位的代数估计器等方法跟踪脑电图信号，在合成及真实记录上验证，成功分离解码睡眠纺锤波非正弦特征。

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。