脑机接口 / BCI

EEG-PRIME: Prototype-Aligned Representation Learning with Multi-Level Conditioning for EEG Decoding

EEG-PRIME：面向脑电信号解码的多层级条件原型对齐表示学习

Shuailei Zhang, Muyun Jiang, Wei Zhang, Jinbo Chen, Zhiwei Guo, Yong Li, Yi Ding, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Centre for AI in Medicine, Nanyang Technological University（南洋理工大学医学人工智能中心） ； Southeast University（东南大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；BCI(abstract,abstract_cn)；motor imagery(abstract)

AI总结 本文提出EEG-PRIME脑电基础模型，结合掩码预训练与原型对齐指令调优，在16个多类型数据集上实现跨被试解码性能提升，且具备零样本迁移能力。

Cueless EEG imagined speech for subject identification: dataset and benchmarks

无提示EEG想象言语用于受试者识别：数据集与基准测试

Ali Derakhshesh, Zahra Dehghanian, Reza Ebrahimpour, Hamid R. Rabiee

机构 * Department of Computer Engineering, Sharif University of Technology（沙斐大学计算机工程系） ； Center for Cognitive Science, Institute for Convergence Science and Technology (ICST)（融合科学与技术研究所认知科学中心） ； Sharif University of Technology（沙斐大学） 纠错

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

AI总结 本研究提出无提示EEG想象言语范式，通过自然选择和想象语义词实现高准确率的受试者识别，展示了其在脑机接口中的应用潜力。

Journal ref IEEE Transactions on Biometrics, Behavior, and Identity Science ( Volume: 8, Issue: 2, March 2026)

Subject-Aware Multi-Granularity Alignment for Zero-Shot EEG-to-Image Retrieval

面向主体的多粒度对齐用于零样本EEG到图像检索

Lin Jiang, Qingshan She, Jiale Xu, Haiqi Xu, Duanpo Wu, Zhenzhong Kuang

机构 * School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院） ； Zhejiang Provincial Key Laboratory of Brain Computer Collaborative Intelligence Technology and Applications, Hangzhou, Zhejiang（浙江省脑机协同智能技术与应用重点实验室，杭州，浙江） ； College of Computer Science and Technology, Hangzhou Dianzi University（杭州电子科技大学计算机科学与技术学院） 纠错

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

AI总结 本文提出SAMGA框架，通过多粒度对齐解决EEG到图像检索中主体依赖性和多尺度信息的问题，提升检索精度。

EEG Decoding Using CNN and LSTM Network

基于CNN与LSTM网络的脑电信号解码

Athanasios Karagounis

机构 * School of Science（理学院） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；BCI(abstract_cn)；motor imagery(abstract)；分类 cs.LG、cs.HC

AI总结 本研究提出CNN与bi-LSTM结合的混合深度学习架构，用于MI-EEG解码，在公开与私有数据集上实现稳健的二、三类运动想象分类，具备良好的被试独立解码能力。

Comments 9 pages, 9 figures

EpiLENS: Patient-Relative Epileptogenic Zone Localization from Multi-Center Intracranial EEG

EpiLENS：基于多中心颅内脑电图的患者相对致痫区定位

Yuanchu Gong, Zibo Yan, Yibo Lyu, Chen Chen, Sixian Chan, Yalin Wang

专题命中 EEG解码 ：EEG(title)

AI总结 本研究提出EpiLENS框架，通过保守双证据定位策略结合PRQ-Net与BCR-Net分支，在多中心iEEG数据上实现更准确的患者相对致痫区定位，性能优于基线方法且泛化性良好。

Comments 17pages, 6 figures

Personalized Scorer Modeling: A Learning-Based Framework for Deriving Robust Sleep Stage Labels from Multiple Experts

个性化评分者建模：一种基于学习的框架，用于从多位专家处推导鲁棒的睡眠阶段标签

Seyyed Ali Hoseini, Javad Baseri, Hamid Saadatfar, Edris Hoseini Gol, AmirHossein Eshghi

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

AI总结 本研究提出基于学习的个性化评分者建模框架 LBH，利用多评分者数据集构建更可靠的睡眠阶段参考标签，在 DOD-H、DOD-O 数据集上较基线方法提升了睡眠分期性能。

Learned proposals in trans-dimensional inference are optimal at equilibrium, not during assembly

跨维推断中的学习型提议在平衡态时最优，而非在构建过程中

Argyro Sasli, Nikolaos Karnesis, Minas Karamanis, Michael L. Katz, Dimitrios Kourtesis, Michael W. Coughlin, Vuk Mandic, Nikolaos Stergioulas

专题命中 EEG解码 ：EEG(abstract)

AI总结 该研究揭示跨维推断中学习型提议在平衡态最优，通过实验验证其加速模型阶数混合的效果，开发了开源工具HyperWave，可跨领域应用于源计数与信号重建。

Comments 23 pages, 5 figures, 2 tables

A Bayes-Markov Neuromorphic Model of Cortical Orientation Selectivity: A Computational Re-implementation and Quantitative Simulation Study

皮层方向选择性的贝叶斯-马尔可夫神经形态模型：计算重实现与定量模拟研究

Abolfazl Moslemi, Milad Sarabadani, Fatemeh Sefidian, Hossein Peyvandi

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

AI总结 本文重实现Shirazi的贝叶斯-马尔可夫神经形态模型，通过定量模拟验证其可产生尖锐方向选择性等核心行为，还添加脉冲式SCI层实现并完成相关评估。

Comments 24 pages. Computational neuroscience; orientation selectivity; neuromorphic modeling

From Observation to Intervention: Memory in Brains and Large Language Models

从观察到干预：大脑与大型语言模型中的记忆

Morteza Salehjahromi, Shayan A. Zadegan, Amgad Muneer, Jia Wu

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

AI总结 该研究对比大脑与LLMs的记忆系统，提出可利用LLMs在实验访问上的优势，将记忆相关功能问题转化为更精准的生物学假设，核心是转移实验逻辑而非解剖结构。

Comments Perspective article, 11 pages, 3 figures, 1 table, and 1 key terms box. Submitted for consideration to Nature Machine Intelligence

Perturbation-based Regional Interpretability through Subtraction Mapping (PRISM): naming-error dissociations in language models and post-stroke aphasia

基于减法映射的扰动型区域可解释性方法（PRISM）：语言模型与卒中后失语症中的命名错误分离现象

Xiang Guan, Roger D. Newman-Norlund, Yong Yang, Saeed Ahmadi, Regan Willis, Nadra Salman, Kalil Warren, Srihari Nelakuditi, Chris Rorden, Leonardo Bonilha, Julius Fridriksson

机构 * University of South Carolina（南卡罗来纳大学） ； ALLT.AI, LLC（ALLT.AI有限责任公司） ； USC School of Medicine（南卡罗来纳大学医学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本研究开发PRISM方法，将神经成像减法分析适配至Transformer语言模型，对比模型与213名卒中后失语症患者的命名错误模式，验证了音素偏向性分离等结果，为模型功能专业化提供可证伪的空间分辨率测试工具。

Comments 49 pages, 6 figures, 1 table. Supplementary methods, 6 tables and 5 figures included