脑机接口 / BCI

TransConv-DDPM: Enhanced Diffusion Model for Generating Time-Series Data in Healthcare

TransConv-DDPM：增强的扩散模型用于生成医疗领域的时序数据

Md Shahriar Kabir, Sana Alamgeer, Minakshi Debnath, Anne H. H. Ngu

机构 * Department of Computer Science Texas State University San Marcos, TX, USA（计算机科学系德克萨斯州立大学桑马科斯分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 TransConv-DDPM通过结合DDPM、U-Net和Transformer层，有效生成医疗领域的高质量时序数据，提升预测模型性能。

Comments Previously published at IEEE COMPSAC 2025

Journal ref Proc. IEEE 49th Annual Computers, Software, and Applications Conference (COMPSAC), 2025

Are foundation models useful feature extractors for electroencephalography analysis?

基础模型在脑电图分析中是否有用的特征提取器？

Özgün Turgut, Felix S. Bott, Markus Ploner, Daniel Rueckert

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich（人工智能在医疗与健康中的研究所，慕尼黑技术大学） ； Department of Neurology, Technical University of Munich（神经病学系，慕尼黑技术大学） ； Center for Interdisciplinary Pain Medicine, Technical University of Munich（跨学科疼痛医学中心，慕尼黑技术大学） ； Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心，德国慕尼黑） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文研究了基础模型在脑电图分析中的有效性，发现通用时间序列模型在特征提取上具有竞争力，能有效捕捉生物标志物特征，减少对大规模数据集的依赖。

Efficient Solutions for Mitigating Initialization Bias in Unsupervised Self-Adaptive Auditory Attention Decoding

高效解决无监督自适应听觉注意力解码中的初始化偏差问题

Yuanyuan Yao, Simon Geirnaert, Tinne Tuytelaars, Alexander Bertrand

机构 * KU Leuven, Department of Electrical Engineering (ESAT)（鲁文大学电气工程系） ； KU Leuven, Department of Neurosciences（鲁文大学神经科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出三种高效算法，用于解决无监督自适应听觉注意力解码中的初始化偏差问题，实现较低且恒定的计算成本。

A Multi-decoder Neural Tracking Method for Accurately Predicting Speech Intelligibility

一种多解码器神经跟踪方法用于准确预测语音可懂度

Rien Sonck, Bernd Accou, Tom Francart, Jonas Vanthornhout

机构 * ExpORL, Dept. of Neurosciences, KU Leuven（ExpORL神经科学系，鲁文大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本研究提出多解码器神经跟踪方法，通过EEG数据预测语音可懂度，提高无法进行行为测试群体的评估准确性。

Systematic review of self-supervised foundation models for brain network representation using electroencephalography

基于脑网络表示的自监督基础模型系统综述：使用脑电图

Hannah Portmann, Yosuke Morishima

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文综述了基于脑电图的自监督基础模型，探讨了其预训练方法、模型架构及下游任务应用，指出需更多多样化数据和标准化评估以提升模型通用性。

Comments 19 pages, 1 figure, 3 tables

Brain-Informed Speech Separation for Cochlear Implants

基于脑区的助听器语音分离

Tom Gajecki, Jonas Althoff, Waldo Nogueira

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出了一种结合脑电图注意力线索的助听器语音分离方法，通过轻量级融合层提升信号与干扰比，实现更稳定的语音增强效果。

Differential Dynamic Causal Nets: Model Construction, Identification and Group Comparisons

微动态因果网络：模型构建、识别与群体比较

Kang You, Gary Green, Jian Zhang

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种基于EEG数据构建微动态因果网络的方法，用于分析群体中大脑动态因果性变化，揭示癫痫发作前后的神经网络功能紊乱。

Comments 40 pages, 13 figures

A thermoinformational formulation for the description of neuropsychological systems

神经心理学系统的热信息学描述法

George-Rafael Domenikos, Victoria Leong

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种热信息学方法，通过微态分布推导出宏观变量，用于描述神经心理学系统的信息交换与状态转换。

Comments Preprint. Submitted to PLOS Computational Biology

NeuroClean: A Generalized Machine-Learning Approach to Neural Time-Series Conditioning

NeuroClean：一种通用的机器学习神经时间序列条件化方法

Manuel A. Hernandez Alonso, Michael Depass, Stephan Quessy, Ali Falaki, Soraya Rahimi, Numa Dancause, Ignasi Cos

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 NeuroClean是一种通用的机器学习方法，用于神经时间序列的条件化处理，通过无监督算法有效去除伪影和噪声，提升信号质量和分类准确性。

Depression Detection Based on Electroencephalography Using a Hybrid Deep Neural Network CNN-GRU and MRMR Feature Selection

基于脑电图的抑郁症检测：一种混合深度神经网络CNN-GRU与MRMR特征选择

Mohammad Reza Yousefi, Hajar Ismail Al-Tamimi, Amin Dehghani

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于CNN-GRU和MRMR特征选择的深度学习框架，用于高准确率检测抑郁症状态。

Comments 20 pages, 8 figures

Sporadic Creutzfeldt Jakob disease presenting with cerebral atrophy following traumatic brain injury mimicking hydrocephalus a case report and literature review

散发性克雅氏病继发创伤性脑损伤后出现脑萎缩 mimic 梗阻性脑积水的病例报告及文献综述

Chun Zeng, Dezhu Gao, Liang Wu

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 散发性克雅氏病继发创伤性脑损伤后出现脑萎缩 mimic 梗阻性脑积水的病例报告及文献综述，通过病例分析和文献回顾，探讨了CJD的诊断过程及鉴别诊断的重要性。

Comments 7 pages, 2 figures, 1 table. Submitted to Brain and Spine

Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait

双头自注意力模型用于分类帕金森病患者冻结步态

Shomoita Jahid Mitin, Rodrigue Rizk, Maximilian Scherer, Thomas Koeglsperger, Daniel Lench, KC Santosh, Arun Singh

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本研究提出双头自注意力模型，通过结合EEG信号与描述性特征，实现对帕金森病患者冻结步态的高效分类。

Comments 39 pages, 9254 words, 4 figures, 4 tables, European Journal of Neuroscience: Special edition FOG

Contextual Discrepancy-Aware Contrastive Learning for Robust Medical Time Series Diagnosis in Small-Sample Scenarios

基于上下文差异的对比学习：用于小样本场景下稳健的医学时间序列诊断

Kaito Tanaka, Aya Nakayama, Masato Ito, Yuji Nishimura, Keisuke Matsuda

机构 * SANNO University（SANNO大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 CoDAC通过上下文差异估计器和动态多视图对比框架，提升小样本场景下医学时间序列诊断的准确性和泛化能力。

Explainability of Complex AI Models with Correlation Impact Ratio

复杂AI模型的可解释性与相关性影响比

Poushali Sengupta, Rabindra Khadka, Sabita Maharjan, Frank Eliassen, Yan Zhang, Shashi Raj Pandey, Pedro G. Lind, Anis Yazidi

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 ExCIR是一种基于相关性影响比的可解释性度量方法，通过轻量级单次通过公式捕捉相关特征依赖性，实现高效且稳定的特征解释，适用于多输出和类条件场景。

A Synoptic Review of High-Frequency Oscillations as a Biomarker in Neurodegenerative Disease

对高频率振荡作为神经退行性疾病生物标记物的综述

Samin Yaser, Mahad Ali, Yang Jiang, Phuc Nguyen, Jing Xiang, Laura J. Brattain

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文综述了HFOs在神经退行性疾病中的应用，分析了公开数据集并揭示了方法学异质性，为HFOs作为生物标记物的研究提供了指导。

Exploring Similarity between Neural and LLM Trajectories in Language Processing

探索神经与大语言模型在语言处理中的相似性

Xin Xiao, Kaiwen Wei, Jiang Zhong, Xuekai Wei, Mingliang Zhou

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过比较LLMs与人类大脑在语言处理中的轨迹相似性，揭示了语义整合机制和实时处理动态的差异。

Escaping the Filter Bubble: Evaluating Electroencephalographic Theta Band Synchronization as Indicator for Selective Exposure in Online News Reading

突破过滤气泡：评估脑电图theta波同步作为在线新闻阅读中选择性暴露的指标

Thomas Krämer, Daniel Hienert, Francesco Chiossi, Thomas Kosch, Dagmar Kern

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图和眼动追踪评估在线新闻阅读中的选择性暴露，以提供更平衡的信息推荐

Journal ref In CHI EA 2025: Proceedings of the Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, edited by Naomi Yamashita, Vanessa Evers, Koji Yatani, and Xianghua Sharon Ding, 228. New York: ACM

Neural Networks on Symmetric Spaces of Noncompact Type

在非紧致型对称空间上神经网络

Xuan Son Nguyen, Shuo Yang, Aymeric Histace

机构 * ETIS, UMR 8051, CY Cergy Paris University, ENSEA, CNRS, France（ETIS研究所、法国巴黎中央理工学院、ENSEA、CNRS） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出了一种在非紧致型对称空间上设计神经网络的新方法，通过统一的距离公式实现完全连接层和注意力机制，验证了其在图像分类等任务中的有效性。

Somatosensory prediction in premature neonates: iatrogenic pain experience increases repetition suppression and deviance detection of innocuous stimuli in a tactile oddball protocol

早产新生儿的体感预测：医源性疼痛经历会增加对无害刺激的重复抑制和偏差检测

Anne-Lise Marais, Victoria Dumont, Marie Anquetil, Arnaud Mortier, Anne-Sophie Trentesaux, Nadege Roche-Labarbe

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 早产新生儿经历医源性疼痛会增强对无害刺激的体感预测能力，表明子宫内经历促进预测性体感处理的成熟。

Stabilizing Fractional Dynamical Networks Suppresses Epileptic Seizures

稳定分数动力学网络抑制癫痫发作

Yaoyue Wang, Arian Ashourvan, Guilherme Ramos, Paul Bogdan, Emily Pereira

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出利用分数动力学网络稳定化方法，有效抑制癫痫发作，通过多尺度分析区分四种癫痫状态并实现显著的发作活动抑制。

Comments 31 pages, 15 figures

An Automated Classifier of Harmful Brain Activities for Clinical Usage Based on a Vision-Inspired Pre-trained Framework

基于视觉启发预训练框架的自动有害脑活动分类器

Yulin Sun, Xiaopeng Si, Runnan He, Xiao Hu, Peter Smielewski, Wenlong Wang, Xiaoguang Tong, Wei Yue, Meijun Pang, Kuo Zhang, Xizi Song, Dong Ming, Xiuyun Liu

机构 * Medical School, Tianjin University（天津大学医学院） ； Tianjin University（天津大学） ； State Key Laboratory of Advanced Medical Materials and Devices, Tianjin University（天津大学先进医疗材料与设备国家重点实验室） ； Haihe Laboratory of Brain-computer Interaction and Human-machine Integration, Tianjin（脑机交互与人机集成海河实验室） ； Nell Hodgson Woodruff School of Nursing, Emory University（埃默里大学内尔·霍德森·伍德鲁夫护理学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 基于视觉启发预训练框架，开发了VIPEEGNet自动分类器，实现对有害脑活动的高准确率识别，性能接近人类专家，参数使用效率高。

HiLTS: Human in the Loop Therapeutic System: A Wireless-enabled Precision Medicine Platform for Brainwave Entrainment

HiLTS：人机协同治疗系统：一种无线赋能的精准医学平台用于脑波同步

Arfan Ghani

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 HiLTS提出一种低功耗数字芯片用于癫痫发作同步，通过无线技术实现精准医学中的脑波调节。

Comments precision healthcare, neuro technology, healthcare engineering (24 pages)

Leveraging Foundational Models and Simple Fusion for Multi-modal Physiological Signal Analysis

利用基础模型和简单融合进行多模态生理信号分析

Youssef Ghallab, Omar Iraqy, Mohamed Kandil, Mohamed Ashraf, Saadeldine Eletter, Morougue Ghazal, Ayman Khalafallah, Nagwa El-Makky

机构 * Computer and Communication Engineering Department, Alexandria University（亚历山大大学计算机与通信工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出利用基础模型和简单融合方法，通过双掩码策略和对称编码器提升多模态生理信号分析的性能，实现情绪识别的高精度结果。

Comments Published at NeurIPS 2025 Workshop on Foundation Models for the Brain and Body

TF-MCL: Time-frequency Fusion and Multi-domain Cross-Loss for Self-supervised Depression Detection

TF-MCL：时间频率融合与多领域交叉损失用于自监督抑郁症检测

Li-Xuan Zhao, Chen-Yang Xu, Wen-Qiang Li, Bo Wang, Rong-Xing Wei, Qing-Hao Menga

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 TF-MCL通过时间频率融合和多领域交叉损失提升自监督抑郁症检测的准确性

Federated Few-Shot Learning for Epileptic Seizure Detection Under Privacy Constraints

在隐私约束下用于癫痫发作检测的联邦少样本学习

Ekaterina Sysoykova, Bernhard Anzengruber-Tanase, Michael Haslgrubler, Philipp Seidl, Alois Ferscha

机构 * Pro2Future GmbH（Pro2Future公司） ； Institute for Machine Learning（机器学习研究所） ； Johannes Kepler University（约瑟夫·约瑟夫·凯普勒大学） ； Institute of Pervasive Computing（普及计算研究所） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出了一种联邦少样本学习框架，用于在隐私约束下实现个性化EEG癫痫发作检测，通过两阶段方法提升模型性能。

Comments 12 pages

How PARTs assemble into wholes: Learning the relative composition of images

如何将PART组合成整体：学习图像的相对组成

Melika Ayoughi, Samira Abnar, Chen Huang, Chris Sandino, Sayeri Lala, Eeshan Gunesh Dhekane, Dan Busbridge, Shuangfei Zhai, Vimal Thilak, Josh Susskind, Pascal Mettes, Paul Groth, Hanlin Goh

机构 * University of Amsterdam（阿姆斯特丹大学） ； Apple（苹果公司） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 PART通过连续相对变换学习图像的相对组成，优于基于网格的方法，在空间理解任务中表现更优。

GRC-Net: Gram Residual Co-attention Net for epilepsy prediction

GRC-Net：基于癫痫预测的格残差共注意网络

Bihao You, Jiping Cui

机构 * School of Advanced Technology, Xi'an Jiaotong-Liverpool University（先进技术学院，西安交通大学利物浦大学） ； School of Electrical Engineering, Electronics and Computer Science, University of Liverpool（电子与计算机科学学院，利物浦大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 GRC-Net通过格残差共注意机制实现EEG信号的多粒度特征提取，有效提升癫痫预测的准确率。

Quantum-like representation of neuronal networks' activity: modeling "mental entanglement"

神经网络活动的量子类表示：建模“心理纠缠”

Andrei Khrennikov, Makiko Yamada

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出利用量子类建模方法，通过量子类信息处理和宏观神经结构，研究神经网络活动中的心理纠缠生成问题，并探讨未来实验检测方法。

Journal ref Frontier in Human Neuroscience., 09 December 2025 Sec. Cognitive Neuroscience Volume 19 - 2025

BioGAP-Ultra: A Modular Edge-AI Platform for Wearable Multimodal Biosignal Acquisition and Processing

BioGAP-Ultra：一种模块化边缘AI平台，用于可穿戴多模态生物信号采集与处理

Sebastian Frey, Giusy Spacone, Andrea Cossettini, Marco Guermandi, Philipp Schilk, Luca Benini, Victor Kartsch

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 BioGAP-Ultra是一款模块化边缘AI平台，支持多模态生物信号采集与处理，通过提升存储、连接和信号模式实现高效低功耗的可穿戴设备应用。

Comments 17 pages, 15 figures

Aligning Humans and Robots via Reinforcement Learning from Implicit Human Feedback

通过隐式人类反馈进行人与机器人对齐的强化学习

Suzie Kim, Hye-Bin Shin, Seong-Whan Lee

机构 * Department of Artificial Intelligence, Korea University（人工智能系，韩国大学） ； Department of Brain and Cognitive Engineering, Korea University（脑科学与认知工程系，韩国大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.RO

AI总结 通过隐式人类反馈的强化学习方法，利用脑电图信号提升机器人与人类的对齐能力。

Comments Accepted to IEEE Int. Conf. Syst., Man, Cybern. (SMC) 2025