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。