脑机接口 / BCI

LGFNet: A CTC-Guided Local-Global Fusion Framework for Single-Channel Sleep Staging

LGFNet：用于单通道睡眠分期的基于CTC引导的局部-全局融合框架

Chongjian Wang, Zhenghang Hou, Junjie Gao, Xiaofang Zhong, Shiyuan Han, Tong Zhang

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） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究针对睡眠分期难题，提出LGFNet框架，通过局部-全局融合编码器及CTC-注意力联合训练等方法，有效建模时间动态与睡眠结构，统一时间对齐与上下文建模，经三阶段解码策略提升性能，在跨数据集评估中优于现有单通道方法。

A mixed-signal analogue front-end for brain-implantable neural interfaces using a digital fixed-point IIR filter and bulk offset cancellation

一种用于脑植入神经接口的混合信号模拟前端，采用数字定点IIR滤波器和体偏移抵消技术

Dimitris Antoniadis, Timothy G. Constandinou

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

AI总结 本文提出一种混合信号模拟前端，用于记录细胞外动作电位和局部场电位，采用低噪声放大器和SAR ADC，结合定点IIR滤波器抑制次赫兹成分，实现41.42dB增益和2.178uA/通道功耗。

Comments presented in MWSCAS 2026, typo correction in final table