脑机接口 / BCI

A portable solution for simultaneous human movement and mobile EEG acquisition: readiness potential for basketball free-throw shooting

一种用于同时采集人体运动和移动脑电图的便携式解决方案：篮球罚球投篮的准备电位

Miguel Contreras-Altamirano, Melanie Klapprott, Nadine Jacobsen, Paul Maanen, Julius Welzel, Stefan Debener

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

AI总结 研究利用两部智能手机和头戴式无线EEG放大器组成的便携装置，让篮球运动员罚球，探究能否捕捉准备电位及成功与失败罚球的电位差异，结果表明该装置可监测运动模式和脑动力学，且电位幅度与投篮成功无关。

Comments 18 pages, 6 figures. Peer-reviewed version published in Experimental Brain Research. Version of record: https://doi.org/10.1007/s00221-026-07342-6

Journal ref Experimental Brain Research 244, 153 (2026)

Differentiable Logic Gate Networks for Low-Latency EEG Classification on Edge Devices

用于边缘设备低延迟脑电图分类的可微逻辑门网络

Shyamal Y. Dharia, Stephen D. Smith, Camilo E. Valderrama

机构 * The University of Winnipeg（温尼伯大学） ； University of Manitoba（曼尼托巴大学） ； University of Calgary（卡尔加里大学） 纠错

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

AI总结 研究边缘设备上低延迟脑电图分类问题，提出可微逻辑门网络Diff-Logic，通过实验将其与MLP、BNN比较，结果表明Diff-Logic在痴呆筛查中表现优，推理时间稳定，确立其为资源受限脑机接口实用范式。

Comments Published in the Proceedings of the 39th Canadian Conference on Artificial Intelligence, PMLR 318, pages 377-391, 2026. Conference version: https://proceedings.mlr.press/v318/dharia26a.html

Journal ref Proceedings of the 39th Canadian Conference on Artificial Intelligence, PMLR 318:377-391, 2026

Exploring Brain Networks Using Noninvasive Electrophysiological Measurements: Methods and Applications

使用非侵入性电生理测量探索脑网络：方法与应用

Richard Leahy, Takfarinas Medani

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

AI总结 该研究围绕使用EEG和MEG探索脑网络展开，阐述了其物理原理、正逆问题等方法基础及实际工作流程，涵盖多种连通性测量方法和新兴途径，为相关研究人员和学生提供了概念与实践指导。

Comments Book chapter manuscript including 6 figures and comprehensive references

Efficient EEG Seizure Detection Using INT8 Quantization, Channel Pruning, and Spiking Neural Networks

使用 INT8 量化、通道剪枝和脉冲神经网络进行高效脑电癫痫检测

Kartikey Ahlawat

机构 * Leiden Institute of Advanced Computer Science（莱顿先进计算机科学研究所） ； Leiden University（莱顿大学） 纠错

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

AI总结 研究针对可穿戴和植入设备检测癫痫的难题，以一维卷积神经网络为基线，采用参数转移、通道剪枝、INT8 量化三种策略，实现减少模型大小、降低能耗、加快速度，为癫痫检测提供互补效率方向。

Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models

编码脑电信号以研究语言模型中类人下一个单词预测行为

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。

EEGPrep: a validated Python implementation of the EEGLAB preprocessing pipeline

EEGPrep：EEGLAB预处理管道的经过验证的Python实现

Arnaud Delorme, Suraj Ranganath, Christian Kothe, Aman Jaiswal, Scott Makeig, Bruno Aristimunha

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在解决EEGLAB管道MATLAB实现不利于Python和云工作流部署的问题，开发EEGPrep在Python中重现该管道，经测试其能高精度重现EEGLAB管道，可从PyPI安装或在Docker中运行。

Brain-Aligned Multi-Stream Video Transformers with Sparse Self-Selection

具有稀疏自选择的脑对齐多流视频变换器

Amir Hosein Fadaei, Mahyar Maleki, Mohammad-Reza A. Dehaqani

机构 * University of Tehran（德黑兰大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对现代视频变换器忽视灵长类视觉原理及缺乏神经数据评估的问题，提出含稀疏胜者全得令牌选择模块的脑对齐多流视频变换器，经实验其在精度与推理时间上表现优且鲁棒性强，脑模型相关性高，优于基线。

Comments 23 pages, 11 figures

TVGL-CFM:Generating and Forecasting Time-Varying Trajectories of Dynamic Networks with Conditional Flow Matching

TVGL-CFM：通过条件流匹配生成和预测动态网络的时变轨迹

Om Roy, Yashar Moshfeghi, Keith Malcolm Smith

机构 * University of Strathclyde（斯特拉斯克莱德大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对脑网络等随时间变化的复杂系统，提出TVGL-CFM模型，通过对数欧几里得图和条件流匹配，可生成和预测时变网络轨迹，在多数据集上表现优于原始信号基线，直接生成结构化精度轨迹更可靠。

Imaging of ultrasound specularity at cortical bone interfaces to detect unbalanced remodeling: A preliminary study

皮质骨界面超声镜面反射成像用于检测不平衡重塑的初步研究

Amadou S. Dia, Salomé Vignat, Guillaume Renaud, Quentin Grimal

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究旨在通过分析皮质骨界面超声反射，结合信号处理与波束形成技术重建镜面反射图，检测不平衡重塑。发现镜面反射与骨微观结构相关，孔隙体积分数和孔径都与镜面反射密切相关，有望成为识别皮质骨退化的敏感标志物。

Journal ref Ultrasonics, Volume 168, 2026, 108213, ISSN 0041-624X

Bio-SFT: Asymmetric Cortical Guidance and Retinal Adaptation for Robust HDR Reconstruction

Bio-SFT：用于稳健 HDR 重建的不对称皮层引导和视网膜适应

Tingyu Cheng, Ting Zhang, Chongyi Li, Zhaoqing Pan, Tiesong Zhao

机构 * College of Physics and Information Engineering, Fuzhou University（福州大学物理与信息工程学院） ； School of Computer Science, Nankai University（南开大学计算机科学学院） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

专题命中 神经信号处理 ：cortical(title)

AI总结 研究针对单图像 HDR 重建难题，提出 Bio-SFT 方法，它包含可学习的视网膜适应前端、小细胞 - 大细胞分裂引导及事件驱动的 SNN 硬门控模块，经训练能有效抑制暗区噪声，提高感知质量，减少伪影传播。

Emergent topological structure in spontaneous brain-organoid activity

自发脑类器官活动中涌现的拓扑结构

Eve Bodnia, Margaux Basart, Sofie Hai, Lenzie Ford, Nina Miolane, Kenneth S. Kosik, Dirk Bouwmeester, Lincoln D. Carr

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

AI总结 研究将持久同调应用于人类和小鼠皮质类器官自发活动的MEA记录，通过构建加权网络并表征其拓扑结构，发现一阶同调在多数数据集显著高于零模型，拓扑丰富度随网络大小增长，二阶同调仅在较大网络中显著，证明能解析神经记录中的结构化拓扑。

Comments 14 pages, 10 figures

Beyond Parallel Tracking: Interactive Multi-Feature Fusion Drives Semantic Reconstruction from Non-invasive Brain Recordings

超越并行跟踪：交互式多特征融合驱动非侵入性脑记录的语义重建

Boda Xiao, Xiran Xu, Songyi Li, Yujie Yan, Xihong Wu, Heping Cheng, Jing Chen

机构 * Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies,Peking University（北京大学生物医学前沿创新中心、前沿交叉学科研究院） ； Speech and Hearing Research Center, School of Intelligence Science and Technology,Peking University（北京大学智能科学与技术学院言语听觉研究中心） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； National Biomedical Imaging Center, State Key Laboratory of Membrane Biology, Institute of Molecular Medicine, Peking-Tsinghua Center for Life Sciences, College of Future Technology, Peking University（国家生物医学成像中心、膜生物学国家重点实验室、分子医学研究所、北京大学生命科学联合中心、未来技术学院） 纠错

专题命中 神经假体 ：neural signal(abstract)

AI总结 研究针对非侵入性脑记录语义重建中表征不匹配问题，引入多特征融合框架，通过交互式门控机制结合静态与动态表征，经实验对比线性连接和非线性交叉注意力等方法，证明交叉注意力融合性能最佳，提供了新的脑到文本解码方法。

Overcoming the BCI Calibration Bottleneck: A Clinically-Grounded Architecture using Riemannian Alignment and Stochastic Weight Averaging

克服脑机接口校准瓶颈：一种基于黎曼对齐和随机权重平均的临床基础架构

Immanuvel Prathap Sagayaraju

机构 * University of Bern（伯恩大学） 纠错

专题命中 BCI数据与评测 ：BCI(title,abstract)；brain-computer interface(abstract)；motor imagery(abstract)；分类 q-bio.NC、eess.SP、cs.LG

AI总结 研究针对脑机接口校准瓶颈问题，构建结合逐会话独立成分分析、黎曼欧几里得对齐和随机权重平均稳定EEGNet的深度学习管道，在基准测试和案例研究中取得高准确率，验证了对二元运动想象的硬件无关零样本有效性。

Comments 10 pages, 8 figures