脑机接口 / BCI

SwitchBraidNet: Quantisation-Aware Lightweight Architecture for Hybrid Brain-Computer Interface

SwitchBraidNet: 面向混合脑机接口的量化感知轻量级架构

Gourav Siddhad, Yogesh Kumar Meena

机构 * Human-AI Interaction (HAIx) Lab, Indian Institute of Technology Gandhinagar（人类-人工智能交互实验室，印度理工学院甘地纳格尔） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；neural decoding(abstract)

AI总结 提出SwitchBraidNet紧凑型EEG分类架构，采用双路径时间辫、自适应挤压激励空间开关和对数方差读出层，通过量化感知训练在OpenBMI数据集上实现高精度低功耗混合脑机接口解码，INT8模型仅3.03 KB。

Comments 6 pages, 6 figures, 2 tables, Preprint accepted at IEEE SMC 2026

Neonatal Hypoxic-ischaemic Encephalopathy Classification from the EEG and HRV Signals Using a Conformer based Masked Autoencoder

基于基于Conformer的掩码自动编码器从脑电图和心率变异性信号中进行新生儿缺氧缺血性脑病分类

Shuwen Yu, William P Marnane, Geraldine B. Boylan, Gordon Lightbody

机构 * University College Cork（科克大学学院） ； INFANT Research Centre（婴儿研究中心） ； Pediatrics and Child Health（儿科与儿童健康） 纠错

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

AI总结 研究提出MAEConformer自监督学习框架，结合Conformer与MAE从EEG和HRV信号学习。通过卷积与自注意力捕获模式与依赖，引入MR-STFT损失。模型预训练后用于下游任务，在EEG和HRV的HIE分类中表现出色，证明其学习鲁棒可转移表示的有效性。

Comments Paper submits to IEEE Transactions on Neural Networks and Learning Systems

Evaluating Closed-Loop EEG Feedback for Simulated Prosthetic Vision in Immersive VR: A Sham-Controlled Feasibility Study

评估沉浸式虚拟现实中模拟假体视觉的闭环脑电图反馈：一项假对照可行性研究

Ruyi Cao, Lily M. Turkstra, Adyah Rastogi, Michael Beyeler

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

AI总结 研究在沉浸式VR中评估模拟假体视觉的闭环EEG反馈的可行性，开发EEG引导神经自适应训练平台，22名参与者参与假对照物体定位任务，结果显示EEG相关反馈未产生可靠组级益处，确定了相关方法和设计的局限性。

EEGForceFusion: Joint Tokenised-Continuous Representation Learning for Subject-Independent Grasp Force Decoding

EEGForceFusion：用于独立于主体的抓握力解码的联合令牌化-连续表示学习

Sankalp Sunil Turankar, Yogesh Kumar Meena

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 研究针对连续抓握力解码难题，提出混合EEG解码框架，联合建模连续和令牌化表示，集成多种技术于统一架构，实验表明该方法在WAY-EEG-GAL数据集上跨主体泛化能力强，适用于实时力解码。

Comments 6 pages, 9 figures, 4 tables, accepted at Brain-Machine Interface (BMI) Systems Session, IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)

Bayesian Feature Extraction using Gaussian and Diffused-gamma Priors for High Dimensional Spatio-Temporal Data

使用高斯和扩散伽马先验对高维时空数据进行贝叶斯特征提取

Garrett Frady, Dipak K. Dey, Shariq Mohammed

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 针对含稀疏结构及时空依赖性的高维数据，开发贝叶斯特征提取框架，采用高斯和扩散伽马先验诱导结构化稀疏，经MCMC计算后验，引入两阶段提取过程，以EEG案例研究验证，提升了稀疏特征恢复及可解释性，广泛适用于相关高维结构化问题。

Neural Dynamics of AI-attributed Irony Reveal a Partial Intentional Stance

人工智能归因反讽的神经动力学揭示部分意向立场

Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 研究探讨人们理解人工智能归因反讽时是否采取意向立场，通过EEG比较对AI与人类反讽话语的反应，发现人们对AI反讽未完全采取意向立场，神经反应受个体对AI认知调节，揭示AI社交障碍及相关重要意义。

A funny companion: Distinct neural responses to AI- versus human-attributed humor

一个有趣的伙伴：对人工智能与人类归因幽默的不同神经反应

Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 研究人们对AI与人类归因幽默的神经反应，用EEG对比处理双关语及对照的方式，发现AI归因幽默使N400效应减弱、LPP增强，个体差异影响神经反应，凸显大脑对新幽默源的适应及幽默在人机互动中的作用。

Predicting the Outcome of rTMS Depression Therapy using EEG Signals and CNN

使用脑电图信号和卷积神经网络预测重复经颅磁刺激治疗抑郁症的结果

Wael Korani, Md Fahimul Kabir Chowdhury, Sadam AlQadi, Priyan Malarvizhi kumar, Reza Rostami, Reza Kazemi

机构 * University of North Texas（北德克萨斯大学） ； University of Tehran（德黑兰大学） 纠错

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

AI总结 研究利用FBSE - ED和DWT两种时频方法生成脑电图信号图像，提出深度学习分类器预测rTMS抑郁症治疗结果，经实验验证该方法准确率高，优于多种模型，能促进早期预测和临床决策，且框架具有可解释性和高效性。

Comments Presented at 8th International Conference on Recent Trends in Image Processing & Pattern Recognition (RTIP2R)