脑机接口 / BCI

SCORE: Subject Coordinate Recovery for Label-Free Cross-Subject EEG-to-Image Retrieval

SCORE：用于无标签跨主体脑电图到图像检索的主体坐标恢复

Zhenyao Cui, Siyuan Kan, Siyang Li, Ziwei Wang, Dongrui Wu

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

AI总结 本研究针对无标签跨主体EEG到图像检索性能差的问题，提出SCORE框架，通过源训练与部署时坐标对齐，在两个基准上显著提升检索准确率，推动脑视觉解码的实际应用。

Comments 9 pages, 6 figures

NanoSleep: A Parameter-Efficient Hybrid Temporal Convolutional Network for Single-Channel Sleep Stage Classification

NanoSleep：一种用于单通道睡眠分期分类的参数高效混合时间卷积网络

S M Asif Hossain, Shruti Kshirsagar

机构 * School of Computing, Wichita State University（威奇托州立大学计算学院） 纠错

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

AI总结 本研究提出参数高效的混合时间卷积网络NanoSleep，解决单通道EEG睡眠分期分类中模型体积大的问题，经实验验证其在准确率与效率间实现平衡，适用于资源受限设备

Graph-Based Approaches to Learning Epileptogenic Zone Localization Using Stereo-EEG Recordings

基于立体脑电图记录的致痫灶定位图学习方法

Daniel Wendelken (1), Brian Ervin (2), Ravindra Arya (2), Ali A. Minai (1) ((1) University of Cincinnati, Cincinnati, USA, (2) Cincinnati Children's Hospital Medical Center, Cincinnati, USA)

机构 * University of Cincinnati（辛辛那提大学） ； Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医疗中心） 纠错

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

AI总结 该研究针对40例患者，对比不同图拓扑的图学习模型，发现Region-Bridge-$c$拓扑在致痫灶定位中表现最优，证明图构建需明确评估。

Comments 8 pages, 2 figures. Accepted for the Proceedings of IEEE WCCI 2026 (IJCNN), Maastricht, Netherlands

Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval

超越试次平均：锚定神经与视觉表征以实现少重复脑-图像检索

Zhenyao Cui, Siyuan Kan, Dingkun Liu, Dongrui Wu

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

AI总结 针对少重复脑-图像检索精度骤降问题，本文提出NEAR框架，通过锚定神经与视觉表征实现性能提升，减少对重复采集的依赖，逼近实际部署要求。

Comments 8 pages, 6 figures

Nine Emotion Centroids: A Label-Free Valence Axis That Transfers Across Four Modalities

九个情绪质心：跨四种模态迁移的无标签效价轴

Yousef Radwan

机构 * KAUST（阿卜杜拉国王科技大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本研究提出一种仅用9个情绪类别名称和少量叙事段落即可找到跨视觉、音频等四种模态迁移的无标签效价轴的方法，该轴在多模态情感任务中表现优异且具有机制活性。

Comments 15 pages, 3 figures, 4 tables

Robust and Efficient Feature Extraction for Spike Sorting via the Walsh-Hadamard Transform

基于沃尔什-哈达玛变换的鲁棒高效尖峰排序特征提取

Emily Yang, Liyuan Guo, Seyed Mohammad Ali Zeinolabedin, Meng Zhang, Ke Yang, Matthieu Couriol, Christian Mayr, Pierre-Emmanuel Gaillardon

专题命中 神经信号处理 ：neural interface(abstract)；分类 eess.SP、cs.HC

AI总结 该研究提出沃尔什-哈达玛变换（WHT）作为硬件高效的尖峰排序特征提取方法，相比CHT和PCA，其分类性能提升且鲁棒性更强，适用于植入式神经接口的低功耗实时处理需求。

Comments Accepted for publication at the 2026 IEEE Biomedical Circuits and Systems Conference (BioCAS 2026)