脑机接口 / BCI

Modeling and Interpreting Correlations, Null Distributions and Significance Levels in Neural Tracking of Natural Stimuli

自然刺激神经追踪中的相关性、零分布与显著性水平的建模与解释

Simon Geirnaert, Alexander Bertrand, Tom Francart, Jonas Vanthornhout

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

AI总结 本研究针对自然刺激神经追踪的相关性解释问题，提出刺激-响应错位的零假设选择，构建半参数模型生成零归一化追踪分数，通过EEG数据反转原始相关性结论，提供了高效的神经追踪分析方法论。

ProtoGIB-Workload: Learning Workload-Specific Neural Topology Prototypes across Subjects

ProtoGIB-Workload：跨被试学习特定工作负载的神经拓扑原型

Yuzhe Zhang, Yixi Zhang, Shengdian Jiang, Chengxi Xie, Jihong Wang, Huan Liu, Man Yao, Minnan Luo, Chao Shen

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 本文针对EEG工作负载识别中跨被试泛化差的问题，提出ProtoGIB-Workload框架，结合SGIB和CTS实现稳定的神经拓扑原型学习，在多数据集LOSO实验中提升跨被试Macro-F1分数平均5.15%。

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。