脑机接口 / BCI

Backpropagation-Free Test-Time Adaptation for Lightweight EEG-Based Brain-Computer Interfaces

无需反向传播的测试时间适应用于轻量级基于EEG的脑机接口

Siyang Li, Jiayi Ouyang, Zhenyao Cui, Ziwei Wang, Tianwang Jia, Feng Wan, 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） ； Shenzhen Huazhong University of Science and Technology Research Institute（深圳华中科技大学研究机构） ； Department of Electrical and Computer Engineering, Faculty of Science and Technology, University of Macau（科技学院电子与计算机工程系，澳门大学） ； Centre for Cognitive and Brain Sciences, Institute of Collaborative Innovation, University of Macau（认知与脑科学中心，创新研究院，澳门大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；brain-computer interface(title,abstract)；BCI(summary_cn,abstract_cn)；motor imagery(abstract)

AI总结 本文提出无需反向传播的变换（BFT）方法，用于解决EEG解码中的测试时间适应问题，通过样本级变换和学习到排名模块提升鲁棒性和效率，实现轻量级BCI的部署。

A 2-Block Architecture for Real-Time EEG Gait Decoding: A Pilot Study

用于实时脑电图步态解码的2模块架构：一项试点研究

Shantanu Sarkar, Saurabh Prasad, Jose L. Contreras-Vidal

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

AI总结 该研究针对EEG下肢外骨骼控制的局限，提出含特征提取与PolyTVL+LSTM解码器的2模块BCI架构，经实验验证其在四态步态分类中表现优异，且具备实时可行性。

Comments Accepted for publication in the 2026 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2026), September 28-October 1, 2026, Atlanta, GA, USA. Camera-ready version - (Updated/validated Metrics)

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 Revised manuscript with 6 main figures

EEG2MOTION: Towards Open-Vocabulary Human Motion Synthesis from Non-invasive Brain Signals

EEG2MOTION：面向基于无创脑信号的开放词汇人体动作合成

Yulong Peng, Yijian Pan, Yuqi Yang, Nenggan Zheng, Weidong Chen, Xiaoling Hu, Shaomin Zhang

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

AI总结 研究人员推出首个EEG-动作-文本数据集EEG2MOTION，提出EEG条件掩码动作模型EMMM，实现从无创脑信号生成多样连贯的全身体人体动作，为生成式开放词汇运动BCI开辟新方向。

Automating Learner Assessment: Benchmarking Machine Learning and Deep Learning Models for EEG-Based Familiarity Prediction

自动化学习者评估：基于脑电信号熟悉度预测的机器学习与深度学习模型基准测试

Isuru Nanayakkara, Thilina Halloluwa

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP、cs.LG、cs.HC

AI总结 本研究针对面孔、数学公式两个认知领域，测试15种ML/DL模型的EEG熟悉度预测性能，发现试次独立验证可避免高估泛化能力，确定Gamma、Beta振荡为关键生物标志物，为教育技术建立了相关基准。

Contrastive Learning with Variational Regularization for Multi-Session EEG-to-Speech Decoding

结合变分正则化的对比学习用于多会话脑电信号到语音的解码

Tomoaki Mizuno, Toru Nakashika

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

AI总结 该研究针对脑电到语音解码的低信噪比与会话变异性问题，采用多会话同一刺激的EEG响应作为对比学习正样本，结合变分正则化，在日语EEG数据集上降低了字符错误率并保持重构保真度。

Comments Accepted to APSIPA ASC 2026

EEG Emotion Recognition From AI-Generated Biodigital Architecture Images

基于人工智能生成的生物数字建筑图像的脑电图情感识别

Hongye Yang, Eva Guttmann-Flury

专题命中 EEG解码 ：EEG(title,abstract)；分类 q-bio.NC、cs.HC

AI总结 该研究利用脑电图数据，通过对人工智能生成的生物数字建筑图像引发的情感反应进行研究，基于现有数据集分析进行相关操作，得出伽马和德尔塔波段准确率高，还明确关键因素与情绪的关联，为建筑设计提供了有价值的见解。

Comments 12 pages, 3 figures; published in the proceedings of SIGraDi 2024

M-LINKX: Multiview Graph Learning for Brain Cognitive Disease Detection

M-LINKX：用于脑部认知疾病检测的多视图图学习框架

An Phan, Yufei Jin, Xingquan Zhu

机构 * Florida Atlantic University（佛罗里达大西洋大学） 纠错

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

AI总结 本研究提出多视图图学习框架M-LINKX，通过构建多视图功能连接图并融合表示，在CAUEEG和AHEAP两类EEG数据集的痴呆分类任务中取得最优性能。

Comments Accepted at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026). 8 pages, 5 figures

MUPA$^{2}$E: Multimodal Unified Perception with Asymmetric Attention for Emotion Assessment

MUPA²E：用于情绪评估的非对称注意力多模态统一感知框架

Stefanos Gkikas, Eric Nichols, Christian Arzate Cruz, Randy Gomez

机构 * Honda Research Institute Japan（日本本田研究所） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文提出MUPA²E多模态统一感知框架，用共享非对称注意力骨干处理面部视频与EEG，在DMER数据集上对比多配置，发现时长线索影响分类，控制时长后准确率下降，证明统一架构处理异质信号的可行性。

Technological Advances in Detecting and Managing Cognitive Impairment in Older Adults: Trends, Challenges, and Future Directions

老年人认知障碍检测与管理的技术进展：趋势、挑战与未来方向

Mohammad Asif, Azizuddin Khan, Mohd Azam, Anurag Rajkumar Bombarde

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； T-Systems ICT India Pvt. Ltd.（德国电信系统印度信息通信技术私人有限公司） 纠错

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

AI总结 本文综合老年人认知障碍检测与管理的技术进展，提出跨学科分类法等成果，指出现有模型多依赖小数据集，展望了可信多模态纵向验证系统的发展前景。

Comments Withdrawn due to an unresolved dispute regarding authorship eligibility and attribution

SL-S4Wave: Self-Supervised Learning of Physiological Waveforms with Structured State Space Models

SL-S4Wave：基于结构化状态空间模型的生理波形自监督学习

Feng Wu, Harsh Deep, Eric Lehman, Sanyam Kapoor, Guoshuai Zhao, Rahul G. Krishnan, Gari Clifford, Li-wei H Lehman

机构 * Massachusetts Institute of Technology（麻省理工学院） ； OpenEvidence, USA（OpenEvidence（美国）） ； New York University（纽约大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Toronto（多伦多大学） ； Emory University（埃默里大学） 纠错

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

AI总结 提出SL-S4Wave框架，结合对比学习与基于结构化状态空间模型的编码器，通过多尺度子核全局卷积捕获多通道生理波形的局部和长程依赖，在心律失常检测等任务中优于现有方法。

Global AI Regulations for FAIR and Ethics in High-Risk Use Cases: A Comparative Review

高风险用例中面向FAIR原则与伦理的全球AI监管：比较综述

Aasish Kumar Sharma, Dimitar Koysev, Christopher Anich, Roshni Kumari Ojha, Julian Kunkel

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文通过比较欧盟、美国、中国的AI监管框架，分析高风险AI用例的合规缺口，提出基于RDF/OWL等技术的知识块模式以实现跨制度设计型合规。

Comments 6 pages. Accepted at the 50th IEEE Computers, Software, and Applications Conference (COMPSAC 2026), Madrid, Spain, July 7-10, 2026

Preview-Based Relative-Motion Control of an Insertion Tool for Neural-Thread Placement in Pulsating Tissue

搏动组织中神经线程放置的插入工具的基于预览的相对运动控制

Yongyan Cao, Xiaobo Li

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

AI总结 该研究针对搏动组织的神经线程放置，开发基于预览的相对运动控制器，经仿真验证可降低放置误差与接触剪切，提升QP求解可行性，在一定质量失配下保证稳定性，为后续硬件部署提供仿真基础。

Quadratic Unconstrained Binary Optimization for Sparse Magnetoencephalography Source Localization

用于稀疏脑磁图源定位的二次无约束二元优化

Arim Ryou, Kiwoong Kim

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

AI总结 该研究将稀疏MEG源定位建模为QUBO问题，结合残差感知筛选，经模拟退火评估，其定位误差较最优基线MxNE降低62.2%，且可适配量子退火后端。

Comments 16 pages, 4 figures

Synaptic delays modulate population phase and amplitude responses in oscillatory excitatory-inhibitory networks

突触延迟调节振荡兴奋-抑制网络中的群体相位与振幅响应

Parsa Shahab Rad, Mojtaba Madadi Asl, Alireza Valizadeh

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

AI总结 该研究探究突触延迟对PING regime下兴奋-抑制脉冲网络振荡相位与振幅响应的影响，发现其调节振荡频率与相干性的权衡，为理解振荡脑网络的延迟依赖性调控提供计算框架。

The effect of the excitatory feedback in anticipated synchronization and phase bistability regimes in neuronal populations

神经元群体中预期同步和双稳态相位 regime 下兴奋性反馈的作用

Julio N. Machado, Joana M. G. L. Silva, Katiele V. Brito, Rodrigo Pena, Fernanda Selingardi Matias

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

AI总结 本研究探讨兴奋性反馈对两个类皮层神经元群体相位关系的影响，发现预期同步和双稳态相位在双向耦合下仍鲁棒，还揭示了从预期同步到延迟同步的转变路径及丰富相位关系，表明固定结构连接可支持功能动态快速重构。

Biophysics-informed deep operator learning for inverse problems with application to electrophysiological source reconstruction

面向逆问题的生物物理信息深度算子学习及其在电生理源重建中的应用

Eardi Lila, Erica R. Peterson, Alexis N. Bosseler, J. Nathan Kutz, Samu Taulu

专题命中 神经信号处理 ：neural signal(abstract)

AI总结 本文提出DeepOp-Informed框架，将生物物理原理嵌入深度算子学习模型，在脑磁图模拟和青少年听觉诱发电记录中提升了电生理源重建的性能与泛化能力。

Multi-Feature Riemannian Hypergraph for Online Test-Time Adaptation of Motor Imagery Brain-Computer Interface

用于运动想象脑机接口在线测试时自适应的多特征黎曼超图

Siqi Li (1 and 2), Zhi Li (3), Tong Liu (3), Shuai Zhang (3), Yanfei Jia (4), Zhiqiang Yi (4), Jue Xie (3), Ni Ji (5 and 2) ((1) Peking University, (2) Chinese Institute for Brain Research, Beijing, (3) NeuCyber Neurotech, (4) Beijing Medical University, (5) Chinese Academy of Medical Sciences & Peking Union Medical College)

机构 * Peking University（北京大学） ； Chinese Institute for Brain Research（中国脑科学研究院） ； NeuCyber Neurotech（纽赛博神经科技公司） ； Beijing Medical University（北京医科大学） ； Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院） 纠错

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

AI总结 针对MI-BCI解码的跨天可迁移性与在线运行挑战，提出MRieHy框架，通过融合黎曼几何的双超图实现在线测试时自适应，在三类数据集上性能优于现有基线。

Clear Mind: Meditation and the Brain's Signal-to-Noise Ratio

清晰心智：冥想与大脑的信噪比

Ruben Laukkonen

专题命中 BCI数据与评测 ：BCI(abstract_cn)；brain-computer interface(abstract)；分类 q-bio.NC

AI总结 提出冥想通过增强目标相关神经信号（信号）并减少无关波动（噪声）来提高大脑功能信噪比（f-SNR），从而解释冥想对多种心理病理的疗效并促进脑机接口发展。

Machine Learning Approaches to Decoding Topological Quantum Codes

拓扑量子码解码的机器学习方法

Changwon Lee, Tak Hur, Jeongwoo Jae, Daniel K. Park

专题命中 其他BCI ：neural decoding(abstract)；分类 cs.LG

AI总结 本章综述拓扑量子码的机器学习解码方法，涵盖其范式、神经网络模块、实验进展，探讨实时解码挑战及容错量子计算未来方向。

Comments 42 pages, 5 figures. To appear as a book chapter in Quantum Error Decoding, Springer Quantum Science and Technology series