脑机接口 / BCI

A dual-system approach for epilepsy diagnosis: integrating mamba-Bi-LSTM architecture with SHAP-based verification

一种双系统癫痫诊断方法：融合Mamba-Bi-LSTM架构与基于SHAP的验证

Mufeng Chen, Jia Xie, Fuchang Luo, Quansheng Ren

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 提出双系统智能诊断框架，主判别系统结合Mamba与Bi-LSTM实现高精度，验证系统通过SHAP提供可解释性，准确率从92.6%提升至98.7%。

Comments 18 pages, 11 figures, 16 tables

Journal ref Biomedical Engineering Advances 11 (2026) 100218

Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data

纵向数据的稀疏函数奇异值分解用于双聚类和三聚类

Yue Zhao, Thierry Chekouo, Sandra Safo

机构 * Division of Biostatistics and Health Data Science University of Minnesota（生物统计学与健康数据科学系明尼苏达大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出Tri-SfSVD框架，通过稀疏惩罚同时进行连续轨迹估计与对象、特征和时间选择，实现纵向数据中的双聚类和三聚类，优于现有方法。

Who Is in Mind Matters: Attachment Representations in Early Childhood Synchronize Child-Adult Interacting Brains

谁在心中很重要：早期依恋表征同步儿童与成人的互动大脑

Ruxin Su, Jiayang Xu, Saishuang Wu, Haiwa Wang, Yamin Li, Zihan Yang, Yuqi Liu, Jieqiong Liu, Shanbao Tong, Yunting Zhang, Xiaoli Guo, Fan Jiang

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 通过远程合作者信念操纵实验，发现3-4岁儿童对母亲的依恋表征独立于实际合作者，显著增强脑间同步，并定位于右侧颞顶联合区，表明依恋表征是脑间同步的内源性驱动因素。

Comments 26 Pages,7 figures

LERD: Latent Event-Relational Dynamics for Neurodegenerative Classification

LERD: 用于神经退行性疾病分类的潜在事件-关系动力学

Yicheng Feng, Hairong Chen, Ziyu Jia, Samir Bhatt, Hengguan Huang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出LERD，一种端到端贝叶斯潜在事件-关系动力系统，直接从多通道脑电图推断潜在神经事件及其关系结构，无需事件或交互标注，在阿尔茨海默病分类中优于基线方法并提供生理对齐的动力学摘要。

Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism

基于一维CNN与多头注意力机制的混合深度学习模型用于癫痫发作分类

Mohammed Guhdar, Ramadhan J. Mstafa, Abdulhakeem O. Mohammed

机构 * Computer Science Department, College of Science, University of Zakho（扎赫大学科学学院计算机科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出一种结合一维卷积神经网络和多头注意力机制的混合深度学习模型，用于从脑电图信号中分类癫痫发作，以提高分类准确性。

Journal ref Biomedical Signal Processing and Control. Volume 112, pages 108495, 2026

SYNAPSE: Neuro-Symbolic Visual Thought-to-Text Decoding via Topological Semantic Denoising

SYNAPSE: 通过拓扑语义去噪的神经符号视觉思维到文本解码

Akshaj Murhekar, Abhijit Mishra

机构 * School of Information University of Texas at Austin（信息学院德克萨斯大学奥斯汀分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出SYNAPSE框架，利用常识图结构和潜在样本进行推理时符号正则化，稳定脑电到文本解码中的语义生成，无需微调大语言模型。

When do complex-valued neural networks help? A study of representation, geometry, and optimization

复值神经网络何时有帮助？表征、几何与优化的研究

Ashutosh Kumar

机构 * Owl Autonomous Imaging, Inc.（Owl 自动成像公司） ； RIT 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 通过对比复值神经网络与多种实值基线在合成射频、量子波函数和脑电图等任务上的表现，发现复值网络的优势依赖于表征、对称性和优化，并非普遍优越。

From Multimodal Signals to Adaptive XR Experiences for De-escalation Training

从多模态信号到自适应XR体验的降级训练

Birgit Nierula, Karam Tomotaki-Dawoud, Daniel Johannes Meyer, Iryna Ignatieva, Mina Mottahedin, Thomas Koch, Sebastian Bosse

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本文提出了一种多模态实时通信分析系统，用于自适应VR训练的基础交互层，整合了语音、手势、情感分析、脑电波和生理信号，通过同步技术实现用户意识和无意识沟通线索的连续评估，结合社会符号学和象征互动理论，构建了连接低层信号到冲突缓解的解释层。

Comments 16 pages, 5 figures, ACM Intelligent User Interfaces (IUI) Workshops 2026

A Temporally Augmented Graph Attention Network for Affordance Classification

一种时间增强的图注意力网络用于能力分类

Ami Chopra, Supriya Bordoloi, Shyamanta M. Hazarika

机构 * Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出EEG-tGAT，通过引入时间注意力和时间dropout改进GATv2，以提升交互序列中能力分类的性能。

Comments 6 pages, 6 figures. Accepted at 3rd IEEE Guwahati Subsection Conference (GCON 2026)

SASLO: A Scene-Aware Spatial Layout Optimization System for AR-SSVEP

SASLO：一种面向AR-SSVEP的场景感知空间布局优化系统

Beining Cao, Xiaowei Jiang, Charlie Li-Ting Tsai, Daniel Leong, Thomas Do, Chin-Teng Lin

专题命中 EEG解码 ：brain-computer interface(abstract)；分类 cs.HC

AI总结 本文提出SASLO系统，通过联合考虑场景亮度和刺激间距离优化AR-SSVEP的空间布局，提升户外真实环境中的系统鲁棒性。

Exploring the Relationship between Brain Hemisphere States and Frequency Bands through Classical Machine Learning and Deep Learning Optimization Techniques with Neurofeedback

通过经典机器学习和深度学习优化技术探讨大脑半球状态与频段之间的关系

Robiul Islam, Dmitry I. Ignatov, Karl Kaberg, Roman Nabatchikov

机构 * Innopolis University（因诺波利斯大学） ； Higher School of Economics（高等经济大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究通过经典和深度学习方法比较EEG频段分类器性能，发现Adagrad和RMSprop在不同频段表现优异，经典方法在离线分类中效率更高，而深度学习在实时神经反馈中表现更佳。

SABER: Spatial Attention, Brain, Extended Reality

SABER：空间注意、大脑、扩展现实

Tom Bullock, Emily Machniak, You-Jin Kim, Radha Kumaran, Justin Kasowski, Apurv Varshney, Julia Ram, Melissa M. Hernandez, Stina Johansson, Neil M. Dundon, Tobias Höllerer, Barry Giesbrecht

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 SABER框架通过虚拟现实环境研究三维空间中物体的注意力动态，验证了传统EEG指标在动态3D刺激中的有效性，为理解注意力机制和改进VR应用提供基础。

Comments Conference Paper, 11 pages. Published at the 2026 IEEE Conference on Virtual Reality and 3D User Interfaces (IEEE VR)

Graph2TS: Structure-Controlled Time Series Generation via Quantile-Graph VAEs

Graph2TS: 通过分位数图变分自编码器实现结构控制的时间序列生成

Shaoshuai Du, Joze M. Rozanec, Andy Pimentel, Ana-Lucia Varbanescu

机构 * Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学信息学院） ； Computer Architecture for Embedded Systems, University of Twente, Enschede, The Netherlands（特文特大学嵌入式系统计算机架构） ； Laboratory of Artificial Intelligence, Institute Jozef Stedan, Ljubljana, Slovenia（乔泽夫·斯特达安研究所人工智能实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出Graph2TS，通过分位数图变分自编码器实现时间序列生成，通过结构与残差分离提升分布保真度和时序对齐。

Supervised Contrastive Learning Framework for Electroencephalography-based Air-writing Recognition

基于脑电波的空中书写识别的监督对比学习框架

Anant Jain, Ayush Tripathi

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出监督对比学习框架以提升脑电波基于的空中书写识别的表示学习，通过对比学习提高分类准确率，实验显示在预处理信号和ICA成分上均取得显著提升。

Taming Epilepsy: Mean Field Control of Whole-Brain Dynamics

癫痫控制：整体脑动力学的均场控制

Ming Li, Ting Gao, Jingqiao Dua

机构 * School of Mathematics and Information Science（数学与信息科学学院） ； Guangzhou University（广州大学） ； School of Sciences（科学学院） ； Great Bay University（大亚湾大学） ； Guangdong Provincial Key Laboratory of Mathematical and Neural Dynamical Systems（广东省数学与神经动力系统重点实验室） ； School of Mathematics and Statistics（数学与统计学学院） ； Huazhong University of Science and Technology（华中科技大学） ； Center for Mathematical Science（数学科学中心） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于图正则化的Koopman均场游戏框架，通过Reservoir Computing和Alternating Population and Agent Control Network实现脑神经动力学的非线性控制，有效抑制癫痫发作并保持脑功能拓扑结构。

Comments 22 pages, 7 figures

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CAMEL-CLIP: Channel-aware Multimodal Electroencephalography-text Alignment for Generalizable Brain Foundation Models

CAMEL-CLIP：面向通用脑基础模型的通道感知多模态EEG-文本对齐

Hanseul Choi, Jinyeong Park, Seongwon Jin, Sungho Park, Jibum Kim

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Incheon National University（庆尚国立大学） ； Department of Artificial Intelligence（人工智能系） ； Inha University（Inha大学） ； Center for Brain-Machine Interface（脑机接口中心） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 CAMEL-CLIP通过通道属性位置编码、动态通道投影和双级对比学习，提升EEG-文本多模态基础模型在通道异质性下的鲁棒性，实验表明其在线性探测中表现最优。

Nested Deep Learning Model Towards A Foundation Model for Brain Signal Data

嵌套深度学习模型：面向脑信号数据的基础模型

Fangyi Wei, Jiajie Mo, Kai Zhang, Haipeng Shen, Srikantan Nagarajan, Fei Jiang

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出嵌套深度学习框架，解决脑电信号中棘波检测中通道配置变化和棘波来源识别的问题，提升预测精度并支持跨模态数据整合。

Comments 56 pages; paper structure updated

Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions

通过物理逆解初始化3D神经网络增强脑源重建

Marco Morik, Ali Hashemi, Klaus-Robert Müller, Stefan Haufe, Shinichi Nakajima

机构 * The Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Machine Learning Group, Department of Computer Science, TU Berlin（计算机科学系机器学习组，柏林技术大学） ； Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Max Planck Institut für Informatik（马克斯·普朗克信息研究所） ； Bernstein Center for Computational Neuroscience, Berlin, Germany（柏林计算神经科学中心） ； Physikalisch-Technische Bundesanstalt, Berlin, Germany（柏林物理技术联邦机构） ； Berlin Center for Advanced Neuroimaging, Charité–Universitätsmedizin Berlin, Germany（柏林高级神经成像中心，柏林夏里特大学医学院） ； RIKEN AIP, Tokyo, Japan（日本理化学研究所AIP） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 3D-PIUNet通过结合物理逆解和深度学习技术，提升EEG脑源定位的精度和实用性。

Comments Accepted in IEEE Transactions on Medical Imaging

Journal ref IEEE Transactions on Medical Imaging ( Volume: 45, Issue: 1, pp. 231 - 242, 2026)

mlx-snn: Spiking Neural Networks on Apple Silicon via MLX

mlx-snn: 通过MLX在Apple Silicon上实现脉冲神经网络

Jiahao Qin

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 mlx-snn是首个在Apple Silicon上原生实现的脉冲神经网络库，提供多种神经元模型和训练流程，实现高效SNN研究。

Comments 11 pages 3 figures

Adversarial Spatio-Temporal Attention Networks for Epileptic Seizure Forecasting

对抗性时空注意网络用于癫痫发作预测

Zan Li, Kyongmin Yeo, Wesley Gifford, Lara Marcuse, Madeline Fields, Bülent Yener

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 STAN通过对抗性时空注意网络实现癫痫发作预测，具有高灵敏度和低误报率，适用于实时边缘部署。

Journal ref AAAI2026 Workshop

Hybrid Quantum Temporal Convolutional Networks

混合量子时序卷积网络

Junghoon Justin Park, Maria Pak, Sebin Lee, Samuel Yen-Chi Chen, Shinjae Yoo, Huan-Hsin Tseng, Jiook Cha

机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 混合量子时序卷积网络通过结合经典时间窗口化与量子卷积神经网络，实现对多变量时间序列的高效处理，在数据有限条件下表现出优越的参数效率和性能。

Journal ref IEEE International Conference on Quantum Communications, Networking, and Computing (QCNC 2026)

A Scaling Law for Bandwidth Under Quantization

量化下的带宽缩放定律

Maximilian Kalcher, Tena Dubcek

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文推导出量化下带宽与ADC位深度的缩放定律，揭示了1/f^α信号中有效截止频率与位深度的关系，并通过实验验证了该定律的准确性。

Comments 4 pages, 3 figures, submitted to IEEE Signal Processing Letters

Relating the Neural Representations of Vocalized, Mimed, and Imagined Speech

将发声、模仿和想象性言语的神经表示联系起来

Maryam Maghsoudi, Rupesh Chillale, Shihab A. Shamma

机构 * University of Maryland - College Park（马里兰大学-学院公园） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 该研究通过训练线性模型发现，不同语音条件下的神经表示存在共享结构，线性模型在刺激层面的可区分性优于非线性模型。

MantisV2: Closing the Zero-Shot Gap in Time Series Classification with Synthetic Data and Test-Time Strategies

MantisV2: 通过合成数据和测试时策略缩小零样本时间序列分类的差距

Vasilii Feofanov, Songkang Wen, Jianfeng Zhang, Lujia Pan, Ievgen Redko

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 MantisV2通过合成数据和测试时策略提升时间序列分类的零样本性能

Learning under noisy supervision is governed by a feedback-truth gap

在噪声监督下学习由反馈-真相差距所支配

Elan Schonfeld, Elias Wisnia

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究揭示在噪声监督下学习受反馈-真相差距约束，不同系统通过不同机制调节该差距，影响学习效果。

Comments 33 pages, 5 figures, 10 extended data figures, 4 extended data tables; 10-page supplementary information

Combining scEEG and PPG for reliable sleep staging using lightweight wearables

结合scEEG和PPG用于基于轻量可穿戴设备的可靠睡眠分期

Jiawei Wang, Liang Xu, Shuntian Zheng, Yu Guan, Kaichen Wang, Ziqing Zhang, Chen Chen, Laurence T. Yang, Sai Gu

机构 * School of Engineering, The University of Warwick（战争理大学工程学院） ； Department of Computer Science, The University of Warwick（战争理大学计算机科学系） ； College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Human Phenome Institute, Fudan University（复旦大学人类表型研究院） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） 纠错

专题命中 EEG解码 ：cortical(abstract)；分类 eess.SP

AI总结 本研究提出结合scEEG和PPG的轻量可穿戴设备睡眠分期方法，通过融合策略提升浅睡识别性能。

NeuroChat: A Neuroadaptive AI Chatbot for Customizing Learning Experiences

NeuroChat: 一种基于神经适应的AI聊天机器人，用于定制学习体验

Dünya Baradari, Nataliya Kosmyna, Oscar Petrov, Rebecah Kaplun, Pattie Maes

机构 * MIT Media Lab（麻省理工学院媒体实验室） ； Brown University（布朗大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 NeuroChat通过整合实时EEG反馈与生成式AI，实现学习者认知状态的动态适应，提升学习参与度。

Comments 21 pages, 7 figures, 2 tables

Journal ref CUI '25: Proceedings of the 7th ACM Conference on Conversational User Interfaces, July 8-10, 2025

Towards Causality-Aware Modeling for Multimodal Brain-Muscle Interactions

迈向因果意识的多模态脑-肌相互作用建模

Farwa Abbas, Wei Dai, Zoran Cvetkovic, Verity McClelland

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出一种结合几何流形重建与概率时间建模的DBN启发CCM框架，用于多模态脑-肌交互的因果建模，揭示了肌张力障碍中特定频率的通路重组织，并展示了其在生物标志物开发和神经调节干预中的应用潜力。

Privacy Risks in Time Series Forecasting: User- and Record-Level Membership Inference

时间序列预测中的隐私风险：用户级和记录级成员推断

Nicolas Johansson, Tobias Olsson, Daniel Nilsson, Johan Östman, Fazeleh Hoseini

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； AI Sweden（瑞典人工智能） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出两种针对时间序列预测的成员推断攻击方法，揭示预测模型在用户级攻击下的高脆弱性，并建立新的隐私风险评估基准。