脑机接口 / BCI

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

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。

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

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。

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