脑机接口 / BCI

Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis

通过多视图信息瓶颈框架建模高阶脑相互作用用于基于fMRI的精神疾病诊断

Kunyu Zhang, Qiang Li, Vince D. Calhoun, Shujian Yu

机构 * Department of Computer Science, Vrije Universiteit Amsterdam（范德比大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究中心） ； Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Department of Physics and Technology, UiT - The Arctic University of Norway（北挪威大学物理与技术系） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 cs.LG

AI总结 本文提出O信息度量，用于建模高阶脑相互作用，结合三阶和四阶O信息，通过多视图信息瓶颈框架提升fMRI精神疾病诊断性能，实验表明优于11种基线方法，揭示可解释的区域协同-冗余模式。

Seeing the imagined: a latent functional alignment in visual imagery decoding from fMRI data

看见想象：从fMRI数据中通过潜在功能对齐解码视觉意象

Fabrizio Spera, Tommaso Boccato, Michal Olak, Sara Cammarota, Matteo Ciferri, Michelangelo Tronti, Nicola Toschi, Matteo Ferrante

机构 * Department of Biomedicine and Prevention, University of Rome Tor Vergata（罗马特拉维拉大学生物医学与预防系） ； Tether Evo ； A.A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital（马萨诸塞总医院生物医学成像中心） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文研究如何将最先进的感知解码器适应于从Imagery-NSD基准中重建想象内容，提出潜在功能对齐方法以提升高阶语义重构指标。

Frame forecasting in cine MRI using the PCA respiratory motion model: comparing recurrent neural networks trained online and transformers

利用PCA呼吸运动模型在动态MRI中进行帧预测：比较在线训练的循环神经网络和变换器

Michel Pohl, Mitsuru Uesaka, Hiroyuki Takahashi, Kazuyuki Demachi, Ritu Bhusal Chhatkuli

机构 * The University of Tokyo（东京大学） ； National Institutes for Quantum and Radiological Science and Technology（量子与辐射科学和技术国家研究所） 纠错

专题命中 BCI数据与评测 ：neural interface(abstract)；分类 cs.LG

AI总结 本文研究了利用PCA呼吸运动模型在动态MRI中进行帧预测，比较了在线训练的循环神经网络和变换器在处理呼吸运动补偿中的性能差异。

Comments 43 pages, 19 figures. Revised version with minor corrections and improved figures and language. Accepted for publication in Computerized Medical Imaging and Graphics

Automatic Mind Wandering Detection in Educational Settings: A Systematic Review and Multimodal Benchmarking

教育场景中的自动思维游离检测：系统综述与多模态基准评估

Anna Bodonhelyi, Augustin Curinier, Babette Bühler, Gerrit Anders, Lisa Rausch, Markus Huff, Ulrich Trautwein, Ralph Ewerth, Peter Gerjets, Enkelejda Kasneci

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

AI总结 本文通过系统综述和多模态基准评估，探讨教育环境中思维游离检测的方法与挑战，评估14种数据集中的EEG、面部视频、眼动追踪和生理信号等多模态数据的检测性能。

MECO: A Multimodal Dataset for Emotion and Cognitive Understanding in Older Adults

MECO：一种用于老年人情绪和认知理解的多模态数据集

Hongbin Chen, Jie Li, Wei Wang, Siyang Song, Xiao Gu, Jianqing Li, Wentao Xiang

机构 * Nanjing Medical University（南京医科大学） ； University of Exeter（埃克塞特大学） ； University of Oxford（牛津大学） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

AI总结 MECO数据集通过收集42名老年人的多模态信号，提供30592个同步样本，旨在填补老龄化群体情绪和认知预测研究的空白，支持个性化情绪识别和早期轻度认知障碍检测。

Comments 8 pages, 3 figures

FIRMED: A Peak-Centered Multimodal Dataset with Fine-Grained Annotation for Emotion Recognition

FIRMED：一种以峰值为中心的多模态数据集，用于情感识别的细粒度标注

Hao Tang, Songyun Xie, Xinzhou Xie, Can Liao, Bohan Li, Zhongyu Tian, Dalu Zheng

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

AI总结 FIRMED通过即时回忆标注方法，提供同步的EEG、ECG、GSR、PPG和面部记录，以峰值为中心的标注减少了动态情感识别中的时间标签噪声，实验表明其在八种EEG分类器上平均提升3.8个百分点。

Data-Local Autonomous LLM-Guided Neural Architecture Search for Multiclass Multimodal Time-Series Classification

数据本地自主LLM引导的神经架构搜索用于多类多模态时间序列分类

Emil Hardarson, Luka Biedebach, Ómar Bessi Ómarsson, Teitur Hrólfsson, Anna Sigridur Islind, María Óskarsdóttir

机构 * University of Southampton（南安普顿大学） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出一种数据本地的LLM引导神经架构搜索框架，用于多类多模态时间序列分类，通过轻量级融合MLP和专家架构联合搜索提升模型性能，减少人工干预。

UNIStainNet: Foundation-Model-Guided Virtual Staining of H&E to IHC

UNIStainNet：基于基础模型的虚拟染色：H&E到IHC

Jillur Rahman Saurav, Thuong Le Hoai Pham, Pritam Mukherjee, Paul Yi, Brent A. Orr, Jacob M. Luber

机构 * University of Texas at Arlington（德克萨斯理工大学） ； St. Jude Children’s Research Hospital（圣 Jude 儿童研究医院） 纠错

专题命中 BCI数据与评测 ：BCI(abstract)；分类 cs.LG

AI总结 UNIStainNet通过结合基础模型生成的密集空间标记，提升H&E到IHC的虚拟染色效果，实现多标记同时处理，并在MIST和BCI数据集上取得最佳分布度指标。

MAD: A Multimodal and Multi-perspective Affective Dataset with Hierarchical Annotations

MAD：一个多模态和多视角情感数据集及其层次标注

Shengwei Guo, Yunqing Qiao, Wenzhan Zhang, Bo Liu, Yong Wang, Guobing Sun

专题命中 BCI数据与评测 ：EEG(abstract)；分类 eess.SP

AI总结 MAD数据集通过多模态和多视角的层次标注，为情绪识别和跨模态情感分析提供了可靠基准，支持单模态和多模态设置下的性能一致性。

Evaluating Cross-Subject and Cross-Device Consistency in Visual Fixation Prediction

评估视觉注视预测中的跨受试者和跨设备一致性

Yuli Wu, Henning Konermann, Emil Mededovic, Peter Walter, Johannes Stegmaier

专题命中 BCI数据与评测 ：neuroprosthetic(abstract)；分类 cs.HC

AI总结 本研究评估了视觉注视预测中跨受试者和跨设备一致性，发现简单刺激下平均固定可跨设备转移，但个体到平均一致性较弱，为神经假体应用提供了实证支持。

Journal ref 2025 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)

Cross-Temporal Attention Fusion (CTAF) for Multimodal Physiological Signals in Self-Supervised Learning

跨时间注意力融合（CTAF）用于自监督学习中的多模态生理信号

Arian Khorasani, Théophile Demazure

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

AI总结 CTAF通过时间感知的交叉注意力机制，实现多模态生理信号在自监督学习中的高效融合，提升匹配对的余弦边距和跨模态检索性能，同时保持高准确率并减少标签依赖。

Attention Isn't All You Need for Emotion Recognition:Domain Features Outperform Transformers on the EAV Dataset

注意力并非情感识别的全部：在EAV数据集上领域特征优于Transformer

Anmol Guragain

机构 * Universidad Politécnica de Madrid E.T.S. Ingenieros de Telecomunicación（马德里理工大学电信工程学院） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

AI总结 在EAV数据集上，领域特征在小数据情感识别中优于Transformer，通过简单修改提升准确率，证明领域知识胜过复杂架构。

Comments 2 figures, 10 Pages

A spatiotemporal fused network considering electrode spatial topology and time-window transition for MDD detection

考虑电极空间拓扑和时间窗口过渡的时空融合网络用于MDD检测

Chen-Yang Xu, Han-Guang Wang, Lan Zhang, Yong-Hui Zhang, Hui-Rang Hou, Qing-Hao Meng

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出SET-TIME网络，通过融合电极空间拓扑和时间窗口过渡信息，提升EEG信号中MDD检测的准确率。

Comments 21pages, 8 figures

Journal ref 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Wuhan, China, 2025, pp. 6433-6440

Energy-based Autoregressive Generation for Neural Population Dynamics

基于能量的自回归生成用于神经群体动力学

Ningling Ge, Sicheng Dai, Yu Zhu, Shan Yu

机构 * Ningling Ge 1,2,3（Ge Ningling 机构1, 机构2, 机构3） ； Sicheng Dai 1,2,3,4（Dai Sicheng 机构1, 机构2, 机构3, 机构4） ； Yu Zhu 1,2,3,4（Zhu Yu 机构1, 机构2, 机构3, 机构4） ； Shan Yu 1, 3（Yu Shan 机构1, 机构3） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出基于能量的自回归生成框架，用于高效生成神经群体动态，展示其在生成质量和计算效率上的优势。

MindCross: Fast New Subject Adaptation with Limited Data for Cross-subject Video Reconstruction from Brain Signals

Xuan-Hao Liu, Yan-Kai Liu, Tianyi Zhou, Bao-Liang Lu, Wei-Long Zheng

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

Comments AAAI 2026, 16 pages

Multi-View Contrastive Learning for Robust Domain Adaptation in Medical Time Series Analysis

YongKyung Oh, Alex Bui

机构 * UCLA（加州大学洛杉矶分校） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

Comments Published at the sixth Conference on Health, Inference, and Learning (CHIL 2025), PMLR 287:502-526, 2025. Models & Methods Track - Best Paper Award. https://proceedings.mlr.press/v287/oh25a.html

Mouse vs. AI: A Neuroethological Benchmark for Visual Robustness and Neural Alignment

Marius Schneider, Joe Canzano, Jing Peng, Yuchen Hou, Spencer LaVere Smith, Michael Beyeler

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC

An Enactivist Approach to Human-Computer Interaction: Bridging the Gap Between Human Agency and Affordances

Angjelin Hila

专题命中 BCI数据与评测 ：BCI(abstract)；分类 cs.HC

Comments Published in HCI International 2025

CLARE: Cognitive Load Assessment in REaltime with Multimodal Data

Anubhav Bhatti, Prithila Angkan, Behnam Behinaein, Zunayed Mahmud, Dirk Rodenburg, Heather Braund, P. James Mclellan, Aaron Ruberto, Geoffery Harrison, Daryl Wilson, Adam Szulewski, Dan Howes, Ali Etemad, Paul Hungler

机构 * Department of Electrical and Computer Engineering and Ingenuity Research Labs（电气与计算机工程系和Ingenuity研究实验室） ； Queen’s University（女王大学） ； Ingenuity Research Labs（Ingenuity研究实验室） ； Department of Psychology（心理学系） ； School of Medicine（医学院） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

Comments 13 pages, 10 figures, 6 tables

Journal ref IEEE Transactions on Cognitive and Developmental Systems, 2025

A multimodal dataset for understanding the impact of mobile phones on remote online virtual education

Roberto Daza, Alvaro Becerra, Ruth Cobos, Julian Fierrez, Aythami Morales

机构 * Biometrics and Data Pattern Analytics Laboratory（生物信息与数据模式分析实验室） ； School of Engineering（工程学院） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

Comments Published in Scientific Data (Nature). GitHub repository of the dataset at: https://github.com/BiDAlab/IMPROVE

Journal ref Scientific Data (2025) 12:1332

SenseSeek Dataset: Multimodal Sensing to Study Information Seeking Behaviors

Kaixin Ji, Danula Hettiachchi, Falk Scholer, Flora D. Salim, Damiano Spina

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

Comments Accepted in Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT), September 2025

Knowledge-based Emotion Recognition using Large Language Models

Bin Han, Cleo Yau, Su Lei, Jonathan Gratch

专题命中 BCI数据与评测 ：BCI(abstract)；分类 cs.HC

Comments 9 pages, 5 figures, 3 tables

Integrated Gradient Correlation: a Dataset-wise Attribution Method

Pierre Lelièvre, Chien-Chung Chen

机构 * Department of Psychology, National Taiwan University, Taipei, Taiwan（心理系，国立台湾大学，台北，台湾） 纠错

专题命中 BCI数据与评测 ：neural signal(abstract)；分类 cs.LG

Comments 16 pages, 6 figures, source code at https://github.com/plelievre/int_grad_corr

Instance-Based Transfer Learning with Similarity-Aware Subject Selection for Cross-Subject SSVEP-Based BCIs

Ziwen Wang, Yue Zhang, Zhiqiang Zhang, Sheng Quan Xie, Alexander Lanzon, William P. Heath, Zhenhong Li

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 cs.HC

Comments IEEE Journal of Biomedical and Health Informatics

Getting More from Less: Transfer Learning Improves Sleep Stage Decoding Accuracy in Peripheral Wearable Devices

William G Coon, Diego Luna, Akshita Panagrahi, Matthew Reid, Mattson Ogg

专题命中 BCI数据与评测 ：EEG(abstract)；分类 q-bio.NC

Sleep Brain and Cardiac Activity Predict Cognitive Flexibility and Conceptual Reasoning Using Deep Learning

Boshra Khajehpiri, Eric Granger, Massimiliano de Zambotti, Fiona C. Baker, Mohamad Forouzanfar

机构 * Laboratoire d’imagerie, de vision et d’intelligence artificielle (LIVIA), École de technologie supérieure (ÉTS), Université du Québec（图像、视觉和人工智能实验室（LIVIA），工程学院（ÉTS），魁北克大学） ； Ouraring Inc（Ouraring公司） ； Center for Health Sciences, SRI International（健康科学中心，SRI国际） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

Comments This work was accepted for publication in IEEE EMBC 2025

The Alpha-Alternator: Dynamic Adaptation To Varying Noise Levels In Sequences Using The Vendi Score For Improved Robustness and Performance

Mohammad Reza Rezaei, Adji Bousso Dieng

专题命中 BCI数据与评测 ：neural decoding(abstract)；分类 cs.LG

Comments The codebase will be made available upon publication. This paper is dedicated to Patrice Lumumba

Robust Emotion Recognition via Bi-Level Self-Supervised Continual Learning

Adnan Ahmad, Bahareh Nakisa, Mohammad Naim Rastgoo

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.LG

GyralNet Subnetwork Partitioning via Differentiable Spectral Modularity Optimization

Yan Zhuang, Minheng Chen, Chao Cao, Tong Chen, Jing Zhang, Xiaowei Yu, Yanjun Lyu, Lu Zhang, Tianming Liu, Dajiang Zhu

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC

Comments 10 pages, 3 figures

EVA-MED: An Enhanced Valence-Arousal Multimodal Emotion Dataset for Emotion Recognition

Xin Huang, Shiyao Zhu, Ziyu Wang, Yaping He, Hao Jin, Zhengkui Liu

专题命中 BCI数据与评测 ：EEG(abstract)；分类 cs.HC

Comments 10 pages, 6figures, 1table