脑机接口 / BCI

Early Detection of Cognitive Impairment in Elderly using a Passive FPVS-EEG BCI and Machine Learning -- Extended Version

Tomasz M. Rutkowski, Stanisław Narębski, Mihoko Otake-Matsuura, Tomasz Komendziński

专题命中 EEG解码 ：EEG(title,abstract)；BCI(title)；分类 q-bio.NC、cs.LG、cs.HC

Comments 4 pages, 4 figures, exteded version of an abstract accepted for a poster presentation at the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC2025), Copenhagen, Denmark, July 14-17, 2025

Neural decoding from stereotactic EEG: accounting for electrode variability across subjects

Georgios Mentzelopoulos, Evangelos Chatzipantazis, Ashwin G. Ramayya, Michelle J. Hedlund, Vivek P. Buch, Kostas Daniilidis, Konrad P. Kording, Flavia Vitale

专题命中 EEG解码 ：neural decoding(title,abstract)；EEG(title)；分类 q-bio.NC、eess.SP、cs.LG

Comments Accepted for publication at the 38th Conference on Neural Information Processing Systems (NeurIPS 2024)

Towards Unified Neural Decoding of Perceived, Spoken and Imagined Speech from EEG Signals

Jung-Sun Lee, Ha-Na Jo, Seo-Hyun Lee

专题命中 EEG解码 ：EEG(title)；neural decoding(title)；brain-computer interface(abstract)；neural signal(abstract)

Optimized EEG based mood detection with signal processing and deep neural networks for brain-computer interface

Subhrangshu Adhikary, Kushal Jain, Biswajit Saha, Deepraj Chowdhury

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(title)；分类 q-bio.NC、eess.SP、cs.HC

Journal ref Biomedical Physics & Engineering Express, Year 2023, Volume 9, Number 3

Deep Transfer Learning for EEG-based Brain Computer Interface

Chuanqi Tan, Fuchun Sun, Wenchang Zhang

专题命中 EEG解码 ：EEG(title,abstract)；brain computer interface(title)；brain-computer interface(abstract)

Comments In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2018, 15-20 April 2018, Alberta, Canada

EEG-Based Characterization of Samatha and Vipassana Meditation States

基于脑电图的奢摩他与内观禅修状态的表征

M. A. B. C. A. Bandaranayake, K. P. U. Chandrathilake, J. L. S. Jayasekara, S. T. Piyasena, A. T. L. K. Samrasinghe, Wageesha N. Manamperi

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP

AI总结 本研究探究能否用EEG信号区分奢摩他与内观禅修状态，提取相关特征分析后发现δ频带存在显著状态差异，证实EEG指标可用于禅修的客观表征。

Comments Accepted for APSIPA ASC 2026

Design and Validation of a Portable EEG-tES Platform Supporting High-Rate EEG Recording and Temporal Interference Stimulation

支持高速脑电图记录和时间干扰刺激的便携式脑电图-经颅电刺激平台的设计与验证

Le Xing, Maoxing Liang, Disi A, Yifei Jia, Gaoxiang Xie, Linfeng Xu, Xiang'ao Chen, Jiebin Shi, Gang Pan, Bicheng Han

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP

AI总结 本研究设计并验证了一款以MCU为核心的便携式EEG-tES平台，集成8通道EEG采集与2通道tES功能，具备高信号保真度与低刺激误差，为便携式闭环神经调控系统提供了实用基础。

Toward Annotation-Efficient Continuous Emotion Arousal Quantification via Group-Level EEG Dynamic Neural Synchrony

面向标注高效的连续情绪唤醒度量化：基于组水平脑电动态神经同步性

Guandong Pan, Yaqian Yang, Shi Chen, Yi Zheng, Yi Zhen, Hongwei Zheng, Shaoting Tang

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 该研究针对连续情绪唤醒度量化的手动标注瓶颈，提出用组水平EEG动态神经同步性（DNS）作为替代标记，经多数据集验证其有效性，为标注高效的连续情绪唤醒度量化提供了新途径。

Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data

用于临床脑电数据隐私保护联邦学习的安全聚合

Pouya Rajabi, Mohsen Toorani

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

AI总结 该研究针对临床EEG数据联邦学习的隐私泄露问题，提出以掩码安全聚合为核心的隐私保护框架，经模拟医疗场景验证，半诚实变体开销低，恶意变体安全性强但开销更高。

Comments 27 pages, 6 figures, 7 tables. A version of this manuscript has been accepted for presentation at the International Workshop on Hot Topics at the Intersection of Distributed Machine Learning and Security (HotDiSec 2026), co-located with ESORICS 2026

S-CEReBrO: Breaking the Memory Barrier in Continuous EEG Monitoring

S-CEReBrO：突破连续脑电图监测中的内存瓶颈

Glenn Anta Bucagu, Thorir Mar Ingolfsson, Yawei Li, Luca Benini

机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学） 纠错

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

AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。

Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo

Adaptive Multi-Expert Graph Transformer for Interpretable EEG-Based Diagnostics

用于基于脑电图的可解释诊断的自适应多专家图变换器

Maryam Rahimimovassagh, Md Elias Hossain, Ivan Garibay, Niloofar Yousefi

机构 * University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 研究基于EEG的诊断问题，提出空间多专家图变换器，将EEG记录建模为动态功能连接图序列，用wPLI估计连接性，经层次图编码和多专家架构实现亚型感知推理，实验证明该方法在异常检测上性能良好且具可解释性。

A portable solution for simultaneous human movement and mobile EEG acquisition: readiness potential for basketball free-throw shooting

一种用于同时采集人体运动和移动脑电图的便携式解决方案：篮球罚球投篮的准备电位

Miguel Contreras-Altamirano, Melanie Klapprott, Nadine Jacobsen, Paul Maanen, Julius Welzel, Stefan Debener

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 q-bio.NC

AI总结 研究利用两部智能手机和头戴式无线EEG放大器组成的便携装置，让篮球运动员罚球，探究能否捕捉准备电位及成功与失败罚球的电位差异，结果表明该装置可监测运动模式和脑动力学，且电位幅度与投篮成功无关。

Comments 18 pages, 6 figures. Peer-reviewed version published in Experimental Brain Research. Version of record: https://doi.org/10.1007/s00221-026-07342-6

Journal ref Experimental Brain Research 244, 153 (2026)

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

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

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

NeuroCommitSSM: Decision-Centric Shared Autonomy for Safe Assistive Manipulation via EEG-EMG-ET Commit Readiness

NeuroCommitSSM：通过脑电图-肌电图-眼动追踪提交准备实现安全辅助操作的以决策为中心的共享自主性

Tipu Sultan, Param Sangani, Kody Cool, Pascal Sikorski, Guangping Liu, Hadi Akbarpour, Madi Babaiasl

机构 * Saint Louis University（圣路易斯大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.RO

AI总结 NeuroCommitSSM是用于辅助机器人操作安全控制的以决策为中心框架，依EEG、EMG和ET预测提交分数转化为离散事件，经三状态监督器控制执行。实验表明其在多场景下准确率高、错误提交低，硬件验证减少错误启动和决策不稳定。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 3 figures, and 8 tables

DS-MTNet:Structured Multi-Task EEG Decoding for Human-Machine Collaboration

DS-MTNet：用于人机协作的结构化多任务脑电解码

Xinjia Yu, Yang Zhou, Jing Yang, Tielin Shi, Tao Cheng

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 研究针对人机协作中操作员内部过程未充分融入机器感知的问题，提出DS-MTNet框架，集成多流并采用双门控机制，在驾驶EEG数据集测试中性能最佳，能统一组织相关脑电证据，为纳入神经证据到机器感知迈进了一步。

Comments 11 pages, 4 figures

EEG-SpikeAgent: Agentic Closed-Loop Program Synthesis for Automated EEG Spike Detection

EEG-SpikeAgent：用于自动脑电图尖峰检测的智能闭环程序合成

Sonali Santhosh, Kelly Shuhong Yu, Eugene Chang, Jonathan Kim, Kie Shidara, Danilo Bernardo

机构 * Dept. of Brain and Cognitive Sciences, Massachusetts Institute of Technology（脑科学与认知科学系，麻省理工学院） ； Dept. of Neuroscience, University of California, Berkeley（神经科学系，加州大学伯克利分校） ； Dept. of Neurology and Neurologic Sciences, Stanford University（神经病学与神经科学系，斯坦福大学） ； Weill Institute of Neurology and Neurosciences, University of California, San Francisco（Weill神经医学研究所，加州大学旧金山分校） ； University of California, San Francisco（加州大学旧金山分校） 纠错

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

AI总结 研究利用大语言模型智能系统，为头皮脑电图尖峰检测生成信号处理特征。核心方法是迭代提出特征模块并执行代码生成表格特征，评估性能后反馈优化。贡献是实现可审核的脑电图特征工程自动化。

Comments 7 pages, 5 figures

SA-HGNN: Sample-Adaptive Hyperbolic Graph Neural Network for EEG-Based Depression Recognition

SA-HGNN: 基于样本自适应双曲图神经网络的脑电图抑郁症识别

Yang Li, Pan Hu, Yan Zhang, Wenfan Yang, Tao Wu, Lianbo Guo

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） 纠错

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

AI总结 提出SA-HGNN模型，通过样本自适应图构建、双曲图卷积和注意力池化模块，准确提取抑郁症脑网络的层次结构，在EEG数据集上优于现有方法。

Single-Channel EEG-Based Cognitive Load Assessment in Online Learning: A Hybrid Deep Learning Approach

基于单通道脑电图的在线学习认知负荷评估：一种混合深度学习方法

Rowan Hussein, Mohamed Ouf

机构 * University of Ottawa（渥太华大学） ； Queen’s University（女王大学） 纠错

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

AI总结 本研究使用单通道消费级EEG设备，通过混合CNN+LSTM+Attention模型区分在线教育视频内容的难易程度，在受试者内设置下达到78.5%准确率，并强调受试者独立评估应成为标准。

TinyCNNDeep: Lightweight Attention-Based CNN for EEG Classification of Eye States and Sleep Deprivation

TinyCNNDeep: 基于轻量级注意力CNN的脑电图眼状态与睡眠剥夺分类

Thien Nhan Vo, Yen Nhi Tran Thi, Ngan Nguyen Xuan Phuong, Xuan-The Tran

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 针对睡眠剥夺与眼状态联合分类问题，提出轻量级CNN模型TinyCNNDeep，结合残差学习和SE注意力模块，将多通道EEG转换为图像，在35名受试者数据上达到83.69%准确率，远超基线方法。

A Deep Generative Model for Resting-State EEG Synthesis and Transferable Representation Learning

一种用于静息态脑电合成与可迁移表示学习的深度生成模型

Yeganeh Farahzadi, Morteza Ansarinia, Zoltan Kekecs

机构 * Institute of Psychology, Eötvös Loránd University（埃斯特哈兹·洛朗大学心理学研究所） ； Doctoral School of Psychology, Eötvös Loránd University（埃斯特哈兹·洛朗大学心理学博士学院） ； Department of Behavioural and Cognitive Sciences, University of Luxembourg（卢森堡大学行为与认知科学系） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；neural signal(abstract)；分类 q-bio.NC

AI总结 提出REST-GAN框架，结合对抗训练与自监督重构，从原始时域信号合成静息态EEG并学习可迁移表示，在频谱、连接性及分类任务中表现优异。

Transformer Based Model for Spatiotemporal Feature Learning in EEG Emotion Recognition

基于Transformer的脑电情绪识别时空特征学习模型

Xinglong Cui, Dian Gu

机构 * Beijing Neurodeep Technology Co., Ltd（北京纽罗德普科技有限公司） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 提出EEG-TransNet架构，通过局部自注意力块和模糊注意力同步Transformer捕捉脑电信号的时空特征，在三个数据集上优于现有方法。

SleepExplain: Explainable Non-Rapid Eye Movement and Rapid Eye Movement Sleep Stage Classification from EEG Signal

SleepExplain: 基于EEG信号的可解释非快速眼动和快速眼动睡眠阶段分类

Rafsan Jany, Md. Hamjajul Ashmafee, Iqram Hussain, Md Azam Hossain

机构 * Islamic University of Technology（伊斯兰科技大学） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出SleepExplain模型，使用集成学习（随机森林、XGBoost、梯度提升）对NREM和REM睡眠阶段进行分类，准确率达94.30%，并利用SHAP提供可解释性。

Comments 6 pages, 7 figures, 2022 25th International Conference on Computer and Information Technology (ICCIT)

Journal ref 2022 25th International Conference on Computer and Information Technology (ICCIT), pp. 248-253, 2022

Decoding Stimulus Reconstruction-Based Auditory Attention Robustly in Unbalanced EEG Datasets

在不平衡EEG数据集中基于刺激重建的听觉注意力鲁棒解码

Yuanming Zhang, Yayun Liang, Zhibin Lin, Jing Lu

机构 * Key Lab of Modern Acoustics, Nanjing University（南京大学现代声学国家重点实验室） ； Horizon Robotics 纠错

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

AI总结 研究不平衡数据集对基于刺激重建的听觉注意力解码性能的影响，提出留一对包交叉验证协议以防止解码准确率膨胀。

Spectral Priors vs. Attention: Investigating the Utility of Attention Mechanisms in EEG-Based Diagnosis

光谱先验 vs. 注意力：探究注意力机制在基于脑电图的诊断中的效用

Tawsik Jawad, Gowtham Atluri, Vikram Ravindra

机构 * University of Cincinnati（辛辛那提大学） 纠错

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

AI总结 本文提出一种基于频带选择的光谱特征构建方法，证明在小型EEG数据集中，传统机器学习模型性能可匹敌或超越SOTA深度学习模型，而注意力机制无法提取稳定的光谱特征。

Black Hole-Inspired Horizon Model for Neural Signal Dynamics

黑洞启发式神经信号动力学视界模型

E. Canessa

专题命中 EEG解码 ：EEG(summary_cn,abstract)；neural signal(title)；分类 q-bio.NC

AI总结 提出一个受黑洞视界启发的框架，将EEG信号建模为受有效边界约束的类波表示投影，通过重整化群标度关系和谱熵参数化可观测模式，建立熵、尺度依赖动力学与神经振荡的联系。

Comments 4 pages, 2 figures

SIMON: Saliency-aware Integrative Multi-view Object-centric Neural Decoding

SIMON: 基于显著性感知的多视角对象中心神经解码

YuSheng Lin, Ji-Hwa Tsai, Chun-Shu Wei

机构 * National Yang Ming Chiao Tung University（阳明交通大学） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；neural decoding(title)；分类 q-bio.NC

AI总结 SIMON提出一种基于显著性感知的多视角框架，用于零样本EEG到图像检索，通过显著性感知采样选择注视点，生成强调信息对象区域的视网膜化视角，提升检索性能。

Personalized Spiking Neural Networks with Ferroelectric Synapses for EEG Signal Processing

具有铁电突触的个性化脉冲神经网络用于EEG信号处理

Nikhil Garg, Anxiong Song, Niklas Plessnig, Nathan Savoia, Laura Bégon-Lours

机构 * Integrated Systems Laboratory, Department of Information Technology and Electrical Engineering, ETH Zürich（集成系统实验室，信息科技与电气工程系，苏黎世联邦理工学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；neural signal(abstract)；motor imagery(abstract)

AI总结 本文提出利用铁电突触实现个性化EEG信号处理，通过设备感知训练和权重迁移策略，在资源受限平台实现高效自适应SNN解码。

System Filter-Based Common Components Modeling for Cross-Subject EEG Decoding

基于系统滤波器的跨受体EEG解码共同成分建模

Xiaoyuan Li, Xinru Xue, Bohan Zhang, Ye Sun, Shoushuo Xi, Gang Liu

机构 * college of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；motor imagery(abstract)

AI总结 本文提出基于系统滤波器的跨受体EEG解码共同成分建模方法，通过分离共同成分提升解码性能。

Comments 12 pages, 11 figures

Motor Imagery Classification Using Feature Fusion of Spatially Weighted Electroencephalography

Abdullah Al Shiam, Md. Khademul Islam Molla, Abu Saleh Musa Miah, Md. Abdus Samad Kamal

机构 * Department of Computer Science and Engineering, Netrokona University（计算机工程系，纳特罗科纳大学） ； Department of Computer Science and Engineering, University of Rajshahi（计算机工程系，拉贾沙希大学） ； Graduate Dept. of Computer Science and Engineering, University of Aizu（计算机工程研究生系，爱izu大学） ； Cluster of Electronics and Mechanical Engineering, Graduate School of Science and Technology, Gunma University（电子与机械工程集群，科学技术研究生学校，枪ma大学） 纠错

专题命中 EEG解码 ：motor imagery(title,abstract)；BCI(abstract)；brain computer interface(abstract)；EEG(abstract)

EEG-Driven AR-Robot System for Zero-Touch Grasping Manipulation

Junzhe Wang, Jiarui Xie, Pengfei Hao, Zheng Li, Yi Cai

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；motor imagery(abstract)

Comments 8 pages, 14 figures, submitted to ICRA 2026