脑机接口 / BCI

nASR: An End-to-End Trainable Neural Layer for Channel-Level EEG Artifact Subspace Reconstruction in Real-Time BCI

nASR：一种端到端可训练的神经层，用于实时BCI中通道级EEG伪影子空间重建

Shantanu Sarkar, Jose L. Contreras-Vidal

机构 * Doctoral Candidate of Electrical & Computer Engineering, Univ. of Houston（电气与计算机工程博士候选人，休斯顿大学） ； Faculty of Electrical & Computer Engineering, Univ. of Houston（电气与计算机工程系，休斯顿大学） 纠错

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

AI总结 nASR通过引入可训练阈值参数优化伪影剔除与解码，提升实时BCI信号处理性能，实现更低延迟和更高解码精度。

Comments Accepted at IEEE SMC 2026. Camera-ready version

A 2-Block Architecture for Real-Time EEG Gait Decoding: A Pilot Study

用于实时脑电图步态解码的2模块架构：一项试点研究

Shantanu Sarkar, Saurabh Prasad, Jose L. Contreras-Vidal

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

AI总结 该研究针对EEG下肢外骨骼控制的局限，提出含特征提取与PolyTVL+LSTM解码器的2模块BCI架构，经实验验证其在四态步态分类中表现优异，且具备实时可行性。

Comments Accepted for publication in the 2026 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2026), September 28-October 1, 2026, Atlanta, GA, USA. Camera-ready version

EEG-FM-Compass: Progress, Benchmarking, and Future Directions for EEG Foundation Models

EEG基础模型：进展、基准测试与开放问题

Dingkun Liu, Yuheng Chen, Zhu Chen, Zhenyao Cui, Yaozhi Wen, Jiayu An, Jingwei Luo, Dongrui Wu

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

AI总结 本文研究了EEG基础模型的进展、基准测试与开放问题，通过评估12个开源模型和专用基线，发现线性探测不足，专用模型仍具竞争力，且大模型不必然提升泛化性能。

Journal ref National Science Review, 2026

CORTIVA: Candidate-Score Fusion of Complementary Visual Teachers for EEG- and MEG-to-Image Retrieval

CORTIVA：用于EEG和MEG到图像检索的互补视觉教师的候选分数融合

Junhan Wang, Kani Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；brain-computer interface(abstract)

AI总结 CORTIVA是一种候选分数融合框架，通过保留互补视觉教师的异构证据，在EEG/MEG到图像检索任务中大幅提升了Top-1和Top-5准确率，为神经图像检索提供了更优方案。

Comments 31 pages, 19 figures; includes supplementary information. Code: https://github.com/Fuyunhan/CORTIVA

BCI-Based Assessment of Ocular Response Time Using Dynamic Time Warping Leveraging an RDWT-Driven Deep Neural Framework

基于BCI的眼动响应时间评估：利用动态时间规整的RDWT驱动深度神经框架

Shantanu Sarkar, Sai Shashank Gandavarapu, Jeff Feng, Saurabh Prasad, Reza Khanbabaie, Jose L. Contreras-Vidal

机构 * Dept. of ECE, IUCRC BRAIN, Cullen College of Engineering University of Houston, Houston, USA ； Dept. of Data Science, Cullen College of Engineering University of Houston, Houston, USA ； Dept. of Industrial Design, IUCRC BRAIN, Gerald D.Hines College of Arch. \& Design University of Houston, Houston, USA ； Neurotechnology \& BCI Cognixion Inc. Toronto, Ontario, Canada 纠错

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

AI总结 本文提出一种整合EEG与AR基VOMS任务的框架，利用RDWT驱动的深度神经网络估计个体眼动响应时间，通过波let域滤波提升预测性能，并利用动态时间规整评估眼动行为差异。

Comments Accepted at IEEE SMC 2026. Camera-ready version

SGAD: A State-Guided Adaptive Decision Framework for Robust EEG-Based Auditory Attention Switch Decoding

SGAD：面向鲁棒性基于EEG的听觉注意力切换解码的状态引导自适应决策框架

Yuting Ding, Xuefei Wang, Ximin Chen, Chunlin Li, Fei Chen

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 针对基于EEG的听觉注意力切换解码存在的EEG非平稳性及性能高估问题，提出SGAD框架，经六个分层协议评估，该框架提升了解码准确性与稳定性且延迟低，推动了神经控制听觉应用的发展。

EEG-JEPA: Structured Latent Prediction for EEG Foundation Models

EEG-JEPA：用于脑电基础模型的结构化隐变量预测

Jinhao Li, Zhiyuan Ma, Xueqiao Han, Zhongye Xia, Xinche Zhang, Shanghong Xie, Yixuan Liu, Yongjian Li, Runmin Gan, Tianlin Huo, Sen Song

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 本研究提出EEG-JEPA结构化隐变量预测框架，通过优化目标设计提升EEG基础模型性能，在EEG-FM-Bench等基准上实现了14任务、9任务的平衡准确率提升，为EEG基础建模提供了新方案。

Comments 9 pages, 6 figures

Understanding and Correcting Low-Frequency Bias in EEG Foundation Model

脑电（EEG）基础模型中低频偏差的理解与修正

Junjie Yu, Zihan Deng, Jianyu Zhang, Junrong Mu, Jiahui An, Wenxiao Ma, Ziling Lu, Yue Wang, Yan Zhu, Kexin Lou, Quanying Liu

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

AI总结 针对EEG基础模型存在的低频偏差问题，提出频率平衡掩码自编码框架FAME，在OmniEEG-Bench的41项下游任务中24项达到SOTA，凸显平衡频谱监督的重要性。

Feasibility of simultaneous EEG-fMRI at 0.55 T: Recording, Denoising, and Functional Mapping

0.55T下同时进行EEG-fMRI可行性的研究：记录、去噪与功能映射

Parsa Razmara, Takfarinas Medani, Majid Abbasi Sisara, Anand A. Joshi, Rui Chen, Woojae Jeong, Ye Tian, Krishna S. Nayak, Richard M. Leahy

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 本研究证明在0.55T下同时进行EEG-fMRI的可行性，通过去噪和功能映射展示了多模态神经成像的潜力。

Not All EEG Moments Are Equal: Position-Adaptive Time Scheduling for EEG Generation

并非所有脑电（EEG）时刻都平等：面向脑电生成的位置自适应时间调度

Boheng Liu, Ziyu Li, Chenghua Duan, Qing Li, Xia Wu

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

AI总结 针对现有脑电生成方法忽略脑电时刻异质性的问题，提出基于条件流匹配的自适应框架，引入位置自适应时间调度等模块，在三类脑电数据集上优于基线，提升生成质量与下游任务性能。

Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome

用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析

Zag ElSayed, Payton Siekierski, Jack Yanchen Liu, Ernest Pedapati

机构 * School of Information Technology (SoIT), University of Cincinnati（辛辛那提大学信息技术学院） ； Division of Child and Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医学中心儿童与青少年精神病学科） 纠错

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

AI总结 本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。

Comments 14 pages, 4 figures, conference

Journal ref Springer ISBCom 2026

SingLEM: Single-Channel Large EEG Model

SingLEM：单通道脑电大模型

Jamiyan Sukhbaatar, Satoshi Imamura, Ibuki Inoue, Shoya Murakami, Kazi Mahmudul Hassan, Seungwoo Han, Ingon Chanpornpakdi, Toshihisa Tanaka

机构 * Department of Electronic and Information Engineering, Tokyo University of Agriculture and Technology（电子信息工程系，东京农业科技大学） ； Department of Electronics and Communication Engineering, National University of Mongolia（电子与通信工程系，蒙古国立大学） 纠错

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

AI总结 SingLEM是一种自监督单通道EEG基础模型，通过71个公开EEG数据集预训练，在6项任务的严格评估中表现优于对比方法，支持灵活的EEG特征提取与空间分析。

EasyBCI Agent: Towards Universal Neural Data Preprocessing for Brain-Computer Interfaces

EasyBCI Agent：面向脑机接口的通用神经数据预处理

Yu Zhu, Runkai Zhao, Zhimin Zhou, Jinyu Cai, Zhouheng Yao, Chutian Zhang, Peiyuan Li, Xiaoxing Zhang, Qihao Zheng, Jiamin Wu, Mianxin Liu, Chi Zhang, Bin Min, Lei Bai, Chengyu Li, Jingpeng Wu, Chunfeng Song

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

AI总结 EasyBCI是两阶段大语言模型智能体，可针对六种信号类型规划执行脑机接口预处理，经评估其在EEG任务中表现优于人工流程及通用编码智能体，可扩展至多模态并提升可复现性。

Comments 15 pages, 6 figures, 4 tables

Cross-Cohort Spectral-Temporal Dissociation in Frozen EEG Foundation-Model Representations

脑电图基础模型对长程时间相关性视而不见：其跨群体脆弱性背后的频谱-时间解离

Marzieh Zare

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

AI总结 研究探讨脑电图基础模型对长程时间相关性的表征及跨群体转移情况。通过探测五种模型，发现它们均未按时间顺序表示LRTC，频谱输入模型能恢复1/f但非DFA，跨群体转移方面各模型表现不一，揭示了模型在这方面的局限性。

A Quantum Reservoir for Neurodynamical Forecasting

用于神经动力学预测的量子储备池

Annemarie Wolff, Kathleen Hamilton, Kahn Rhrissorrakrai, Laxmi Parida, Filippo Utro, Guillaume Dumas

专题命中 EEG解码 ：EEG(summary_cn,abstract)；neural signal(abstract)

AI总结 该研究探究量子储备池计算（QRC）在神经动力学预测中的表现，构建基于横场伊辛模型的量子储备池，在基准任务与模拟EEG数据上验证其可行性，为量子系统用于临床时间序列预测建立了实用基线。

Comments 7 pages (including references), 2 figures, Accepted at IEEE Quantum Week (QCE 2026) short technical paper, Applications category

Journal ref Proc. IEEE Int. Conf. Quantum Comput. Eng. (QCE), 2026

SAGE: Switch-Aware EEG-Guided Soft Gating for Target Speaker Extraction with In-Trial Switching

SAGE：面向试次内切换的脑电引导软门控目标说话人提取方法

Xuefei Wang, Ximin Chen, Yuting Ding, Chunlin Li, Fei Chen

专题命中 EEG解码 ：EEG(title,abstract)；neural decoding(abstract)；分类 eess.SP

AI总结 该研究针对试次内听觉注意切换下的脑电引导目标说话人提取难题，提出SAGE框架，通过软门控等技术提升性能，在多项指标上优于基线，实现了动态场景下的稳健目标提取。

Rethinking PPG-based Sleep Staging: Datasets, Metrics, and Benchmarks

重新思考基于光体积描记（PPG）的睡眠分期：数据集、指标与基准

Shuntian Zheng, Jiawei Wang, Cong Fu, Huan Yu, Chen Chen, Yu Guan, Sai Gu

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

AI总结 该研究针对基于PPG的睡眠分期与EEG方法存在的显著差距，开发隐半马尔可夫模型的标签扩展流程，用秒级监督在MESA数据集上提升四类分期准确率3.7-5.7个百分点，且在CFS上零样本迁移有效。

Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions

基于多模态可穿戴设备的嗅觉诱导唤醒-效价维度情感识别

Chen-Yang Xu, Lan Zhang, Fei-Yi Fan, Bin Hu, Qing-Hao Meng

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP

AI总结 针对现有嗅觉情感研究的维度失衡与多模态数据不足问题，构建多模态嗅觉情感数据集，提出STF-HFNet模型，在两个数据集上取得最优情感识别准确率。

SWINSleepNet: A Hierarchical Context-Aware Framework for Sleep Staging (v2)

SWINSleepNet：用于睡眠分期的分层上下文感知框架（v2）

Chongjian Wang, Junjie Gao

机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 针对现有睡眠分期方法在模糊及过渡分期表现差的问题，提出分层上下文感知的双流框架 SwinSleepNet，在 Sleep-EDF 系列及 SHHS 数据集上验证其在 N1 分期和过渡 epoch 上的性能优势。

Comments Report-no: SDUST-SLEEP-202608-V2; 10 pages, 7 figures, revised updated version of arXiv submit/7867870, conference submission draft

A neighbour selection approach for identifying differential networks in conditional functional graphical models

一种用于识别条件功能图模型中差异网络的邻居选择方法

Alessia Mapelli, Laura Carini, Francesca Ieva, Sara Sommariva

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出了一种基于功能-功能回归的邻居选择方法，用于识别条件功能图模型中的差异网络，通过协变量调节连接模式并提高估计精度和计算效率。

Interpretable MEG Decoding of Perceived Speech: Cortical Sources and the Stimulus Features That Drive Retrieval

感知语音的可解释MEG解码：皮层源与驱动检索的刺激特征

Ilia Semenkov, Daria Kleeva, Ivan Dakhtin, Zarina Maksudova, Alex Ossadtchi

机构 * HSE University（高等经济大学） ； ITMO University（ITMO大学） 纠错

专题命中 神经信号处理 ：cortical(title)；分类 q-bio.NC、cs.LG

AI总结 本研究重新设计MEG到音频检索架构，在MEG-MASC数据集上实现39.75±0.34%的Top-1准确率，通过源映射与输入干预明确了驱动语音检索的关键刺激特征。

Recursive Gaussian Processes and the Bayesian Brain

递归高斯过程与贝叶斯大脑

Moumita Das, Dipanjan Ray, Sourabh Bhattacharya

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

AI总结 该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。

Comments What is your thought process? The Bayesian Recursive Gaussian process?

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

归一化分裂塑造连续工作记忆的低秩慢流形

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang

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

AI总结 本文提出循环归一化分裂网络（RDNN），通过动力学分析和BPTT梯度分析，证明归一化分裂可使网络形成稳健低秩慢流形，防止时变输入下的流形破碎，是学习高保真连续表示的关键机制。

The Bayesian Reflex: A Predictive Coding Engine for Artificial Intelligence

贝叶斯反射：一种人工智能的预测编码引擎

Sourabh Bhattacharya

机构 * Indian Statistical Institute（印度统计研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 该研究提出贝叶斯反射计算框架，结合预测编码三大支柱，利用近期算法突破实现可扩展的类脑持续学习、感知与决策，通过多领域应用为自适应AI提供蓝图。

Comments From the Bayesian Brain to Artificial Intelligence

Governing Mental-State Inference: Source-Neutral Regulatory Triggers and Tiered Obligations

管控心智状态推断：源中立的监管触发机制与分层义务

Shinnosuke Horiuchi

专题命中 神经信号处理 ：neural signal(abstract)

AI总结 本文构建源中立的技术介导心智状态归因监管方案，划分监管对象、损害路径与义务层级，为神经技术伦理监管提供非约束性分类工具。

Comments 43 pages, 4 tables

Characterization of Speech Imagery in Scalp EEG and Comparison with Motor Imagery

头皮脑电中言语想象的特性及其与运动想象的比较

Bob Van Dyck, Liuyin Yang, Qiang Sun, Ang Li, Marc M. Van Hulle

专题命中 运动想象 ：EEG(title,abstract)；motor imagery(title,abstract)；brain-computer interface(abstract)；分类 eess.SP

AI总结 本研究通过头皮脑电分析言语想象的时空特征，并与手指运动想象对比，发现言语想象呈现更弱、更分散的α波增强，分类准确率较低，表明其主导模式不同于运动想象，更接近非发音任务相关活动。

Predicted Cortex Is Not a Domain-General Prior: A Matched-Control Audit of Brain-Encoding Features for Video Memorability

这取决于数据集：当大脑编码模型的预测响应在视频记忆性方面超过其视觉主干时

Carson Rodrigues

机构 * Celabe（赛拉贝） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 cs.LG

AI总结 研究大脑编码模型预测响应能否用于预测短视频记忆性，通过将视频片段投影到特定皮质空间并用岭回归预测，发现结果取决于数据集，大脑投影在VideoMem数据集表现更佳，且携带特定记忆信号，不是通用先验知识。

Comments 11 pages, 3 figures. v4: retitled; adds a dataset-by-representation interaction test (+0.097, 95% CI [+0.032,+0.160], p=0.001) and seed stability for both datasets, replacing the earlier claim that both within-dataset intervals excluded zero (the Memento10k bound was -0.0003); discloses that the pre-specified hypothesis returned NO-GO; adds a regularization-grid check