脑机接口 / BCI

STEAM: A Spatio-TEmporal Alignment Mixture-of-Experts Model with Hierarchical Pre-training for EEG Decoding

STEAM：用于EEG解码的分层预训练时空对齐混合专家模型

Zhu Chen, Dingkun Liu, Yuheng Chen, Dongrui Wu

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

AI总结 STEAM是一种分层迁移框架，通过双分支时空编码器与SSMoE模块实现EEG解码的通用表征学习与范式专业化，在7个数据集的14种评估设置中表现优异且推理成本具竞争力。

Leakage-Audited Benchmarking Reveals Limited Evidence for Cross-Subject Auditory-Evoked EEG Vowel Perception Decoding

我们能从听觉EEG解码元音有多好——一个严格的跨受试基准测试与诚实评估

Xiaoyang Li, Zeyan Tao

机构 * College of Medicine and Biological Information Engineering, Northeastern University（医学与生物信息工程学院，东北大学） 纠错

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

AI总结 本文提出一个跨受试基准测试，评估从听觉EEG解码五类元音的性能，比较了14种方法，发现XGBoost模型在低信号条件下表现最佳，且经典方法与深度学习模型竞争。

Comments 19 pages, 7 figures; includes 11-page supplementary material. Associated code, prediction records, source data, and reproducibility materials: https://doi.org/10.5281/zenodo.21805983

Spatial Distillation based Distribution Alignment (SDDA) for Cross-Headset EEG Classification

Dingkun Liu, Siyang Li, Ziwei Wang, Wei Li, Dongrui Wu

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

Comments 10 pages, 5 figures

Journal ref IEEE Transactions on Biomedical Engineering ( Volume: 73, Issue: 7, July 2026)

BrainBench: Benchmarking Large Language Models for Comprehensive EEG Understanding

BrainBench：面向全面脑电理解的大语言模型基准测试

Yangxuan Zhou, Sha Zhao, Yuning Chen, Chen Wu, Jiquan Wang, Shijian Li, Gang Pan

机构 * Zhejiang University（浙江大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 该研究推出BrainBench基准测试，涵盖4个子集共17个数据集等，评估大语言模型在两种范式下的脑电理解能力，为相关研究提供可复现测试平台。

Comments 42pages,22pages

SomnoNet: A Lightweight and Interpretable Framework for Sleep Staging Using Single-Channel EEG

SomnoNet：一种用于单通道脑电图睡眠分期的轻量级可解释框架

Shengwei Guo, Guobing Sun

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

AI总结 研究旨在实现单通道脑电图自动睡眠分期，提出SomnoNet框架，先提取多尺度局部节律表示，再整合相关信息。在两个基准上有良好表现，还开发了紧凑变体SomnoNet-Nano，且能可视化决策证据，平衡了预测性能、紧凑性和决策支持。

Comments 12 pages, 10 figures

Mechanistic bridges from receptors to whole-brain dynamics: mean-field reductions, validity domains, and computational trade-offs

从受体到全脑动力学的机制桥梁：平均场约化、有效性域与计算权衡

Yannael Bossard, Lehna Bekri, Alain Destexhe

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

AI总结 本综述梳理受体感知全脑模型的数学谱系，明确其约化假设，将其置于约化群体模型格局中，引入模拟成本与内存流量作为基准维度，界定该建模为多属性间的权衡。

Comments Minor typographical corrections and consistency fixes; conclusions unchanged

Poisson Flow and Wasserstein Registration of Trees

树的泊松流与瓦瑟斯坦配准

Moo K. Chung

专题命中 神经信号处理 ：cortical(abstract)

AI总结 针对成像应用中树状结构的配准问题，提出基于筛选泊松流与瓦瑟斯坦距离的非线性配准框架，无需显式地标或分支匹配，可在结构MRI的皮层沟回折叠配准中生成有解剖学意义的对应关系。

MIRepNet: A Pipeline and Foundation Model for EEG-Based Motor Imagery Classification

Dingkun Liu, Zhu Chen, Jingwei Luo, Shijie Lian, Dongrui Wu

机构 * Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部长图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； School of Computer Science and Technology, Huazhong University of Science and Technology（计算机科学与技术学院，华中科技大学） ； Zhongguancun Academy（中关村学院） 纠错

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

Journal ref Knowledge-Based Systems (15 June 2026, vol. 343)

NeuroPB: Scaling Neural Decoding with Pretrained Behavioral Representations

NeuroPB：利用预训练行为表示扩展神经解码

Luyao Jin, Yonghao Song, Huan Zhao, Vincent C. K. Cheung, Wei-Hsin Liao

专题命中 运动想象 ：neural decoding(title,abstract)；BCI(summary_cn,abstract_cn)；brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出NeuroPB框架，通过预训练大规模行为表示并对齐有限配对神经-行为数据，提升神经解码性能，在猕猴数据集上R²提升11%与8%，且泛化能力强，为高效BCI提供可行方向。

Subject-Level Heterogeneity in EEG Motor Imagery Decoding: A Large-Scale Benchmark and Portfolio-Based Reduction of the Search Space

脑电图运动想象解码中的受试者水平异质性：大规模基准测试和基于组合的搜索空间缩减

Xavier Vasques, Paul Barbaste, Olivier Oullier

专题命中 运动想象 ：EEG(title,abstract)；motor imagery(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 研究脑电图运动想象解码中个体差异问题，通过三个公共数据集进行大规模基准测试，比较多种方法，发现受试者水平存在显著异质性，利用基准构建紧凑流程组合，Top-K均值给出最佳权衡，可利用异质性实现个性化。

Intuitionistic Linear Logic with Subexponentials: Type Theory, Categorical Models and Realisability

直觉线性逻辑与子指数：类型论、范畴模型与可实现性

Daniel Rogozin

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 本文提出了一种带有子指数的直觉线性逻辑类型论，并探讨了其范畴模型和可实现性理论。