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

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

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

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。

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 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。

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