脑机接口 / BCI

Frequency-Decorrelated Temporal Ensembles for EEG--fNIRS Imagined-Handwriting Decoding

用于EEG-fNIRS想象手写解码的频率去相关时间集成

Xiao Fan, Hongbin Guo, Yubo Han, Yi Zhang

专题命中 EEG解码 ：EEG(title,title_cn)；brain-computer interface(abstract)；neural decoding(abstract)；分类 cs.HC

AI总结 本研究针对EEG-fNIRS想象手写解码难题，提出FRED系统，采用频率去相关时间集成等方法，在多模态脑机接口挑战赛中取得较好成绩，揭示了关键性能来源。

Detecting high-frequency brain disorder signals using dynamic mode decomposition from EEG

利用EEG的动态模式分解检测高频脑疾病信号

Jacob Kang, Jong-Hyeon Seo

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

AI总结 本研究利用动态模式分解（DMD）提取EEG高频带动力学变化，经随机分布测试后用PCA成分作为特征，成功区分酒精依赖组与对照组，为检测高频脑疾病信号提供方法。

Comments 15 pages, 6 figures, 3 tables

A Landau-Ginzburg Phenomenology of Sleep-Stage Transitions

睡眠阶段转变的朗道-金兹堡现象学

Alexander Poltorak

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

AI总结 本研究构建朗道-金兹堡现象学模型解释睡眠阶段转变的特性，通过EEG/PSG数据验证其一致性，为睡眠阶段转变的机制研究提供可测试的理论框架。

Comments 23 pages, 5 figures, 7 tables. Theoretical and computational framework; no new empirical data

Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution

以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统

B. Sankar, Pawni Yadav, Srinidhi Ranjini Girish, Amogh A. S

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。

Comments 53 pages, 31 figures, 6 tables

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Persistent homology broadens the controllable subspace in human structural connectomes

持续同调拓宽人类结构连接组中的可控子空间

Carter Sale, Marco Coraggio, Mengsen Zhang, Michael J. Richardson

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

AI总结 该研究提出基于持续拓扑环的驱动节点选择标准，与基于度的标准控制能相近但可控子空间几何更优，能捕捉标量能量遗漏的脑网络控制信息。

Comments 21 pages, 7 figures

Cross-Anesthetic ECoG State Decoding Fails at the Decision Threshold, Not the Representation

跨麻醉剂ECoG状态解码在决策阈值处失败，而非表征层面

Kunkun Zhang, Qianwei Zhou

专题命中 神经信号处理 ：cortical(abstract)

AI总结 该研究区分麻醉状态解码的表征与决策阈值，发现跨麻醉剂时表征可迁移，氯胺酮的失效源于决策阈值，锚定受试者基线的阈值可修复氯胺酮的解码性能。