脑机接口 / BCI

Predicting the connectivity of primate cortical networks from topological and spatial node properties

Luciano da F Costa, Marcus Kaiser, Claus C Hilgetag

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Journal ref BMC Systems Biology 2007, 1:16

Temporal Symmetry in Primary Auditory Cortex: Implications for Cortical Connectivity

Jonathan Z. Simon, Didier A. Depireux, David J. Klein, Jonathan B. Fritz, Shihab A. Shamma

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 95 pages, 11 figures, 1 table; accepted by Neural Computation

Self-wiring in neural nets of point-like cortical neurons fails to reproduce cytoarchitectural differences

Fail M. Gafarov

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 13 pages, 5 figures

Journal ref Journal of Integrative Neuroscience, Vol. 5, No. 2(2006) 159-169

Attentional modulation of firing rate and synchrony in a model cortical network

Calin Buia, Paul Tiesinga

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 36 pages, submitted to Journal of Computational Neuroscience

Noise-enhanced computation in a model of a cortical column

Julien Mayor, Wulfram Gerstner

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Cortical Dynamics and Awareness State: An Interpretation of Observed Interstimulus Interval Dependence in Apparent Motion

R. Englman, A. Yahalom

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 5 pages, 1 table

Journal ref Physica A, 260 (Nos. 3-4), 555 (1998)

High conductance states in a mean field cortical network model

Alexander Lerchner, Mandana Ahmadi, John Hertz

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 7 pages, 3 figures, presented at CNS 2003, to be published in Neurocomputing

Response variability in balanced cortical networks

Alexander Lerchner, Cristina Ursta, John Hertz, Mandana Ahmadi, Pauline Ruffiot

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 22 pages, 7 figures, submitted to Neural Computation

Does Corticothalamic Feedback Control Cortical Velocity Tuning?

Ulrich Hillenbrand, J. Leo van Hemmen

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 31 pages, 7 figures

Journal ref Neural Computation 13 (2001), pp. 327-355

Odor recognition and segmentation by coupled olfactory bulb and cortical networks

Zhaoping Li, John Hertz

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

Comments 6 pages, 3 figures, CNS 98, Neuocomputing (to be published 1999)

Convolutional neural networks for automatic detection of Focal Cortical Dysplasia

Ruslan Aliev, Ekaterina Kondrateva, Maxim Sharaev, Oleg Bronov, Alexey Marinets, Sergey Subbotin, Alexander Bernstein, Evgeny Burnaev

专题命中 神经信号处理 ：cortical(title,abstract)

Comments MRI, Deep learning, CNN, computer vision, medical detection, epilepsy, FCD, focal cortical dysplasia

Cortical Factor Feedback Model for Cellular Locomotion and Cytofission

Shin I. Nishimura, Masahiro Ueda, Masaki Sasai

专题命中 神经信号处理 ：cortical(title,abstract)

Journal ref Nishimura SI, Ueda M, Sasai M (2009) Cortical Factor Feedback Model for Cellular Locomotion and Cytofission. PLoS Comput Biol 5(3): e1000310

DBNN: Neural Spike Classification Using a Deep Binarized Neural Network

DBNN：使用深度二值化神经网络进行神经尖峰分类

Binyi Ren, Luca M. Meyer, Majid Zamani

机构 * The School of Electronics and Computer Science (ECS), University of Southampton（电子与计算机科学学院（ECS），南安普顿大学） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究针对可植入脑机接口的神经尖峰分类问题，提出基于深度二值化神经网络（DBNN）的尖峰排序系统，该系统含特定结构层，处理紧凑波形，降低成本，在合成和体内数据集上准确率达98.7%，硬件成本低且无乘法器操作，适用于低功耗可植入神经接口。

Comments Paper under review

REALM: Retrospective Encoder Alignment for LFP Modeling

REALM：用于LFP建模的回顾性编码对齐

Peicheng Wu, Zhenyu Bu, Runze Ma, Lin Du

机构 * Department of Biomedical Engineering, The Ohio State University（生物医学工程系，俄亥俄州立大学） ； Department of Information Technology, Monash University Malaysia（信息技术系，墨尔本大学马来西亚分校） ； NeuroTech Insititude, Columbus, OH, United States（神经科技研究所，美国哥伦布） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 REALM通过回顾性蒸馏框架实现因果LFP解码，提升行为解码精度，同时减少参数和训练时间，为无线植入式BCIs提供可行方案。

BrainStratify: Coarse-to-Fine Disentanglement of Intracranial Neural Dynamics

Hui Zheng, Hai-Teng Wang, Yi-Tao Jing, Pei-Yang Lin, Han-Qing Zhao, Wei Chen, Peng-Hu Wei, Yong-Zhi Shan, Guo-Guang Zhao, Yun-Zhe Liu

机构 * Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Chinese Institute for Brain Research（中国脑科学研究院） ； Capital Medical University, Xuanwu Hospital, Beijing（首都医科大学宣武医院） 纠错

专题命中 神经信号处理 ：BCI(abstract)；brain-computer interface(abstract)；neural signal(abstract)；分类 q-bio.NC、eess.SP

MT-NAM: An Efficient and Adaptive Model for Epileptic Seizure Detection

Arshia Afzal, Volkan Cevher, Mahsa Shoaran

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

Comments Submitted to IEEE-TBME

SIM: Surface-based fMRI Analysis for Inter-Subject Multimodal Decoding from Movie-Watching Experiments

Simon Dahan, Gabriel Bénédict, Logan Z. J. Williams, Yourong Guo, Daniel Rueckert, Robert Leech, Emma C. Robinson

专题命中 神经信号处理 ：BCI(abstract)；brain computer interface(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

Comments 27 pages, accepted to ICLR 2025

Brain2Char: A Deep Architecture for Decoding Text from Brain Recordings

Pengfei Sun, Gopala K. Anumanchipalli, Edward F. Chang

专题命中 神经信号处理 ：BCI(abstract)；brain-computer interface(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Short-Term Precision and Least Significant Change of 3D-DXA Cortical and Trabecular Proximal Femur Measurements Across Hologic DXA Scanner Models

3D-DXA 测量的股骨近端皮质骨和小梁骨在不同 Hologic DXA 扫描仪模型中的短期精度和最小显著变化

Asier Muñoz, Thomas L. Nickolas, Laurent Maïmoun, Polyzois Makras, Jorge Malouf, Xavier Nogués, Ludovic Humbert

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对不同 Hologic DXA 扫描仪模型，通过重复采集数据，评估 3D-DXA 参数的短期精度及最小显著变化，得出不同参数的 LSC 值范围，其精度误差在各数据集间有适度变化，结果有助于解释相关骨密度纵向变化。

Imaging of ultrasound specularity at cortical bone interfaces to detect unbalanced remodeling: A preliminary study

皮质骨界面超声镜面反射成像用于检测不平衡重塑的初步研究

Amadou S. Dia, Salomé Vignat, Guillaume Renaud, Quentin Grimal

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究旨在通过分析皮质骨界面超声反射，结合信号处理与波束形成技术重建镜面反射图，检测不平衡重塑。发现镜面反射与骨微观结构相关，孔隙体积分数和孔径都与镜面反射密切相关，有望成为识别皮质骨退化的敏感标志物。

Journal ref Ultrasonics, Volume 168, 2026, 108213, ISSN 0041-624X

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。

CORTET: Robust generation of simulation-ready cortical meshes

CORTET：稳健生成可用于模拟的皮质网格

Davood Shahsavari, Irina Grigorescu, Jiaxin Xiao, Nashira Baena, Aakash Saboo, Saga N. B. Masui, Yourong Guo, Vanessa Kyriakopoulou, Alena Uus, Martin J. Bishop, Katherine R. Long, Emma C. Robinson

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对人类大脑褶皱差异影响神经发育障碍成像生物标志物寻找的问题，提出CORTET全自动管道，将皮质表面转换为高质量四面体网格，经与通用网格划分器对比及多胎儿受试者验证，实现数值稳定的胎儿大脑形态弹性折叠模拟。

Comments 12 pages

Open-source MRI-informed computational model of human cortical folding

人类皮质折叠的开源磁共振成像信息计算模型

Anne Kerachni, Thomas Lavigne, Stéphane Urcun, Mireia Alenya, Oscar Camara, Julien Lefèvre François Rousseau

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对人类皮质折叠问题，利用开源代码FEniCS开发计算模型，构建模块化、可解释且可扩展的模拟框架，结合胎儿MRI数据模拟折叠，估计参数并优化预测，助力理解皮质折叠及相关疾病。

Comments 33 pages, 17 figures

Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios

合成病灶MR图像在低数据场景下自动局灶性皮质发育不良检测中的影响

Prabhjot Kaur, Hakim Ouaalam, Sedat Kandemirli, Sanjay P. Prabhu, Simon K. Warfield

机构 * Computational Radiology Laboratory（计算放射学实验室） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究通过条件生成网络合成FCD病灶MRI数据，评估其真实性及对自动检测的影响，发现合成数据可减少约20%标注需求，但真实数据仍更有效。

From Flow to Form: Emergence of the Cytokinetic Ring via Active Cortical Dynamics

从流到形：通过主动皮层动力学形成胞质分裂环

Sabyasachi Mukherjee, Anirban Sain

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 通过主动变形壳的3D相场模拟，研究皮层流和向列序耦合动力学如何自发形成类似向列肌动球蛋白环并驱动细胞中部内陷，揭示不同皮层流模式（包括反向旋转流）的出现机制及初始向列取向偏置导致的记忆效应。

Diffeomorphic Cortical Alignment via Direct Warping of Streamline Endpoints

通过直接变形纤维束端点实现的皮层对齐

Yang Xiang, Martin Cole, Zhengwu Zhang

机构 * Department of Statistics and Operations Research, The University of North Carolina at Chapel Hill（统计与运筹学系，北卡罗来纳大学教堂山分校） ； Department of Psychiatry, University of Rochester（精神病学系，罗切斯特大学） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本文提出了一种基于连接性的皮层对齐方法，通过直接操作白质纤维束端点来对齐皮层表面，以提高纤维束层面的对应性，并在主要纤维束上实现更高的连接性重叠系数和更强的鲁棒性。

NEMO: Neural Electro-Mechano-Optic Sensors for Multiplexed Neural Interfaces

NEMO：神经电-机-光传感器用于多路复用神经接口

Andrew Cochran, Harshvardhan Gupta, Vishal Jain, Maysamreza Chamanzar, Gianluca Piazza

专题命中 神经信号处理 ：neural interface(title)；neural signal(abstract)

AI总结 NEMO传感器通过电-机-光转换实现高灵敏度神经信号记录，突破传统技术在分辨率与信噪比之间的平衡难题，支持大规模多路复用神经记录。

Explaining Uncertainty in Multiple Sclerosis Cortical Lesion Segmentation Beyond Prediction Errors

解释多发性硬化皮质病变分割中不确定性的原因超越预测误差

Nataliia Molchanova, Pedro M. Gordaliza, Alessandro Cagol, Mario Ocampo--Pineda, Po--Jui Lu, Matthias Weigel, Xinjie Chen, Erin S. Beck, Haris Tsagkas, Daniel Reich, Anna Stölting, Pietro Maggi, Delphine Ribes, Adrien Depeursinge, Cristina Granziera, Henning Müller, Meritxell Bach Cuadra

机构 * Faculty of Biology and Medicine, University of Lausanne (UNIL)（日内瓦大学生物医学学院） ； Radiology Department, Lausanne University Hospital (CHUV)（拉索恩大学医院放射科） ； MedGIFT, Institute of Informatics, School of Management, HES--SO Valais--Wallis University of Applied Sciences and Arts Western Switzerland（应用科学与艺术西瓦利斯-瓦利斯大学信息学院） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Department of Radiology and Medical Informatics, University of Geneva（日内瓦大学放射科与医学信息学系） ； Translational Imaging in Neurology (ThINK) Basel, Department of Medicine and Biomedical Engineering, University Hospital Basel and University of Basel（神经学转化成像（ThINK）巴塞尔，医学与生物医学工程系，巴塞尔大学医院和巴塞尔大学） ； Multiple Sclerosis Center, Department of Neurology, University Hospital Basel（多发性硬化中心，神经科，巴塞尔大学医院） ； Research Center for Clinical Neuroimmunology and Neuroscience Basel (RC2NB), University Hospital Basel and University of Basel（临床神经免疫学和神经科学巴塞尔研究中心（RC2NB），巴塞尔大学医院和巴塞尔大学） ； Department of Neurology, Icahn School of Medicine at Mount Sinai（伊坎医学院 Mount Sinai 神经科） ； Translational Neuroradiology Section, National Institute of Neurological Disorders and Stroke, National Institutes of Health（神经学转化放射学部门，国家神经疾病与中风研究所，国家卫生研究院） ； Neuroinflammation Imaging Lab (NIL), Université catholique de Louvain（神经炎症成像实验室（NIL），卢瓦纳大学） ； EPFL+ECAL Lab, École polytechnique fédérale de Lausanne (EPFL)（EPFL+ECAL 实验室，日内瓦联邦理工学院（EPFL）） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本文提出一个框架，用于分析多发性硬化皮质病变分割中病变尺度的预测不确定性，揭示实例级不确定性与病变大小、形状和皮质涉及程度的关系，通过专家反馈验证其临床相关性。

3D-DXA Cortical and Trabecular Parameters: Agreement Between Hologic Densitometers in Clinical Practice

3D-DXA 骨皮质和骨小梁参数：在临床实践中Hologic密度计之间的协议

Marta I. Bracco, Jorge Malouf, Laurent Maimoun, Xavier Nogues, Jean Paul Roux, François DuBoeuf, Ludovic Humbert

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究评估了不同Hologic密度计系列和型号在临床实践中3D-DXA骨皮质和骨小梁参数的一致性，结果显示参数在不同设备间具有高度一致性，且临床显著性偏差极低。

Comments 17 pages, 2 tables, 4 figures