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

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

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。