脑机接口 / BCI

[Re] The Discriminative Kalman Filter for Bayesian Filtering with Nonlinear and Non-Gaussian Observation Models

Josue Casco-Rodriguez, Caleb Kemere, Richard G. Baraniuk

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

Group-level Brain Decoding with Deep Learning

Richard Csaky, Mats Van Es, Oiwi Parker Jones, Mark Woolrich

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

Comments Published in Human Brain Mapping

Semantic reconstruction of continuous language from MEG signals

Bo Wang, Xiran Xu, Longxiang Zhang, Boda Xiao, Xihong Wu, Jing Chen

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

Intra-Body Communications for Nervous System Applications: Current Technologies and Future Directions

Anna Vizziello, Maurizio Magarini, Pietro Savazzi, Laura Galluccio

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

Comments https://www.sciencedirect.com/science/article/pii/S1389128623001639

Journal ref Computer Networks, Volume 227, May 2023, 109718

BrainBERT: Self-supervised representation learning for intracranial recordings

Christopher Wang, Vighnesh Subramaniam, Adam Uri Yaari, Gabriel Kreiman, Boris Katz, Ignacio Cases, Andrei Barbu

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

Comments 9 pages, 6 figures, ICLR 2023

Cortically based optimal transport

Mattia Galeotti, Giovanna Citti, Alessandro Sarti

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

Comments 25 pages, 6 figures

Journal ref J Math Imaging Vis (2022)

Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders

Christodoulos Kechris, Alexandros Delitzas, Vasileios Matsoukas, Panagiotis C. Petrantonakis

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

Comments Accepted version to be published in the 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2021)

Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons

Paul Haider, Benjamin Ellenberger, Laura Kriener, Jakob Jordan, Walter Senn, Mihai A. Petrovici

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、eess.SP、cs.LG

Comments Accepted for publication in Advances in Neural Information Processing Systems 34 (NeurIPS 2021); 13 pages, 4 figures; 10 pages of supplementary material, 1 supplementary figure

Analysing and Measuring the Performance ofMemristive Integrating Amplifiers

Jiaqi Wang, Alexander Serb, Christos Papavassiliou, Sachin Maheshwari, Themistoklis Prodromakis

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

Comments 12 pages, 10 figures, 3 tables

Low-Rank Nonlinear Decoding of $μ$-ECoG from the Primary Auditory Cortex

Melikasadat Emami, Mojtaba Sahraee-Ardakan, Parthe Pandit, Alyson K. Fletcher, Sundeep Rangan, Michael Trumpis, Brinnae Bent, Chia-Han Chiang, Jonathan Viventi

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

Comments 4 pages, 3 figures

Coherence and phase synchronization: generalization to pairs of multivariate time series, and removal of zero-lag contributions

Roberto D. Pascual-Marqui

专题命中 神经信号处理 ：EEG(abstract)；cortical(abstract)

Comments Technical report

Robust and Efficient Feature Extraction for Spike Sorting via the Walsh-Hadamard Transform

基于沃尔什-哈达玛变换的鲁棒高效尖峰排序特征提取

Emily Yang, Liyuan Guo, Seyed Mohammad Ali Zeinolabedin, Meng Zhang, Ke Yang, Matthieu Couriol, Christian Mayr, Pierre-Emmanuel Gaillardon

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

AI总结 该研究提出沃尔什-哈达玛变换（WHT）作为硬件高效的尖峰排序特征提取方法，相比CHT和PCA，其分类性能提升且鲁棒性更强，适用于植入式神经接口的低功耗实时处理需求。

Comments Accepted for publication at the 2026 IEEE Biomedical Circuits and Systems Conference (BioCAS 2026)

Scientific Machine Learning of Chaotic Systems Learns Reduced-Order Equations for Neural Populations

混沌系统的科学机器学习发现神经群体的支配方程

Anthony G. Chesebro, David Hofmann, Vaibhav Dixit, Earl K. Miller, Richard H. Granger, Alan Edelman, Christopher V. Rackauckas, Lilianne R. Mujica-Parodi, Helmut H. Strey

机构 * Department of Biomedical Engineering and Laufer Center for Physical and Quantitative Biology, State University of New York at Stony Brook, NY, USA（生物医学工程系和物理与定量生物学拉夫中心，石溪大学纽约州立大学 Stony Brook 分校） ； Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, MA, USA（Athinoula A. Martinos 生物医学成像中心，麻省总医院和哈佛医学院） ； Computer Science and Artificial Intelligence Lab, Massachusetts Institute of Technology, MA, USA（计算机科学与人工智能实验室，麻省理工学院） ； Picower Institute for Learning and Memory, Massachusetts Institute of Technology, MA, USA（记忆学习研究所，麻省理工学院） ； Psychological and Brain Sciences, Dartmouth College, NH, USA（心理学与脑科学系，达特茅斯学院） ； Santa Fe Institute, NM, USA（圣菲研究所） 纠错

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

AI总结 该研究提出PEM-UDE方法，通过科学机器学习从混沌系统中发现可解释的支配方程，成功恢复噪声污染数据中的动态，并在神经群体中推导出符合生物约束的新方程。

Comments 54 pages, 10 figures

Preview-Based Relative-Motion Control of an Insertion Tool for Neural-Thread Placement in Pulsating Tissue

搏动组织中神经线程放置的插入工具的基于预览的相对运动控制

Yongyan Cao, Xiaobo Li

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.HC、cs.RO

AI总结 该研究针对搏动组织的神经线程放置，开发基于预览的相对运动控制器，经仿真验证可降低放置误差与接触剪切，提升QP求解可行性，在一定质量失配下保证稳定性，为后续硬件部署提供仿真基础。

Cedalion Tutorial: A Python-based framework for comprehensive analysis of multimodal fNIRS & DOT from the lab to the everyday world

Cedalion教程：一个基于Python的框架，用于对多模态fNIRS与DOT进行综合分析，从实验室到日常世界

E. Middell, L. Carlton, S. Moradi, T. Codina, T. Fischer, J. Cutler, S. Kelley, J. Behrendt, T. Dissanayake, N. Harmening, M. A. Yücel, D. A. Boas, A. von Lühmann

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

AI总结 Cedalion是一个基于Python的开源框架，用于统一多模态fNIRS和DOT数据的分析，支持可重复、可扩展的神经成像工作流程。

Comments 33 pages main manuscript, 180 pages Supplementary Tutorial Notebooks, 12 figures, 6 tables, under review in SPIE Neurophotonics

Journal ref Neurophotonics, Vol. 13, Issue S3, S32602 (2026)

Neural implants and human safety: single-fault detection for DC-coupled recording front ends

神经植入物与人类安全：直流耦合记录前端的单故障检测

Dimitris Antoniadis, Timothy Constandinou

专题命中 神经信号处理 ：cortical(abstract)；分类 eess.SP、cs.HC

AI总结 本文针对直流耦合神经植入物记录前端的组织安全风险，提出一种基于电流饥饿型弛张振荡器的单故障检测机制，可在规定时间内解析故障并禁用放大器，符合相关安全标准。

Comments Draft IEEE 4 + 1

Recursive Gaussian Processes and the Bayesian Brain

递归高斯过程与贝叶斯大脑

Moumita Das, Dipanjan Ray, Sourabh Bhattacharya

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

AI总结 该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。

Comments What is your thought process? The Bayesian Recursive Gaussian process?

Embedding of Low-Dimensional Sensory Dynamics in Recurrent Networks: Implications for the Geometry of Neural Representation

低维感觉动态在循环网络中的嵌入：对神经表征几何的启示

Vikas N. O'Reilly-Shah, Alessandro Maria Selvitella

机构 * University of Washington School of Medicine（华盛顿大学医学院） ； Purdue University Fort Wayne（普渡大学韦恩堡分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究探讨了低维感觉动态如何在循环网络中形成嵌入结构，并揭示了预测性能对表征几何的约束作用。

Comments Accepted/forthcoming, Journal of Computational Neuroscience

Leveraging unlabelled data for generalizable neural population decoding

利用未标记数据进行可泛化的神经群体解码

Ximeng Mao, Nanda H. Krishna, Avery Hee-Woon Ryoo, Matthew G. Perich, Guillaume Lajoie

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

AI总结 研究利用未标记数据进行可泛化神经群体解码的问题，提出MOJO训练框架，联合自监督学习与监督学习目标，在多数据集上评估，结果显示该框架能提升性能、产生更具可解释性表示且可推广到其他神经模态。

Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features

可解释机器学习利用运动校正QSM MRI和多波段多回波fMRI特征预测帕金森病严重程度

Aixa X. Andrade

机构 * Lyda Hill Department of Bioinformatics（Lyda Hill 生物信息学系） ； Department of Biomedical Engineering（生物医学工程系） ； University of Texas Southwestern Medical Center, Dallas, Texas, USA（德克萨斯西南医学中心，德克萨斯州达拉斯） 纠错

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

AI总结 利用可解释机器学习，从QSM和多波段多回波静息态fMRI衍生的ReHo特征预测帕金森病运动严重程度。提取特征进行多模型实验，结果显示不同模型表现及特征贡献，表明结构和功能成像依临床预测目标作用不同。

Comments 16 pages from main manuscript and 17 pages from supplementary information

Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model

发现功能选择性脑区：一种深度地形多模态模型

Badr AlKhamissi, Johannes Mehrer, Lara Marinov, Ahmed Abdelaal, Abdulkadir Gokce, Martin Schrimpf

机构 * University of California, Berkeley（加州大学伯克利分校） ； Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 提出Topo-Omni模型，通过空间平滑微调预训练基础模型，在单一连续虚拟皮层上整合视觉、听觉和语言/认知处理，产生与人类神经影像一致的多模态聚类，并用于发现新脑区。

Comments Preprint. First two author contributed equally

Learning Hybrid Biophysical Neuron Models with Neural ODEs

利用神经常微分方程学习混合生物物理神经元模型

Jonas Beck, Michael Deistler, Dóra Viktória Molnár, Jakob H. Macke, Philipp Berens

机构 * Hertie Institute for AI in Brain Health（人工智能与脑健康赫尔特研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； Machine Learning in Science, Excellence Cluster Machine Learning, University of Tübingen（科学机器学习，机器学习卓越集群，图宾根大学） ； Max Planck Institute for Biological Intelligence, München, Germany（生物智能马克斯·普朗克研究所，慕尼黑，德国） ； Department Empirical Inference, Max Planck Institute for Intelligent Systems, Tübingen, Germany（经验推断部门，智能系统马克斯·普朗克研究所，图宾根，德国） 纠错

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

AI总结 提出混合建模框架，将神经常微分方程嵌入电导基生物物理模型，以捕捉未知电流或错误指定的通道动力学，从电压记录中恢复可解释的门控动力学，并降低计算成本。

Beyond representational alignment with brain-guided language models for robust reasoning

超越表征对齐：基于大脑引导的语言模型实现稳健推理

Mingqing Xiao, Kai Du, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室、智能科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 研究通过fMRI信号增强大型语言模型推理能力，提出脑引导框架，在10个模型上实现最高13%的准确率提升。

Cross-scale spatially-aware generative modeling of transcriptomic programs underlying neurodegenerative brain organization

跨尺度空间感知生成模型揭示神经退行性脑组织下的转录组程序

Krishnakumar Vaithianathan

机构 * Department of Computer Engineering, Karaikal Polytechnic College, Karaikal, Puducherry, India（计算机工程系，卡莱克尔理工学院，卡莱克尔，浦那赫里，印度） 纠错

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

AI总结 提出一种跨尺度空间感知生成框架，通过变分生成架构结合图空间平滑正则化，学习区域基因表达与皮质退化的潜在生物程序，实现高精度预测（解释方差0.8604，空间相关r=0.9439）。

Comments 26 pages, 5 figures

Neural Langevin Machine: a local asymmetric learning rule can be creative

神经朗之万机：一种局部非对称学习规则可以具有创造性

Zhendong Yu, Weizhong Huang, Haiping Huang

机构 * PMI Lab, School of Physics, Sun Yat-sen University（物理系，中山大学，PMI实验室） ； Guangdong Provincial Key Laboratory of Magnetoelectric Physics and Devices, Sun Yat-sen University（磁电物理与器件广东省重点实验室，中山大学） 纠错

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

AI总结 本文提出神经朗之万机，利用递归神经网络的固定点通过非对称、速率调整的局部学习规则进行生成学习，并揭示了非平衡生成过程及记忆到泛化的转变。

Comments 7 pages, 5 figures, with Github link in the paper, supplemental material available upon request

Mapping Whisper Representations to Human ECoG Responses with Interpretable Time-Resolved Neural Encoding

将Whisper表示映射到人类ECoG响应：可解释的时间分辨神经编码

Matteo Ciferri, Tommaso Boccato, Michal Olak, Matteo Ferrante, Nicola Toschi

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

AI总结 通过时间分辨神经编码器结合语音嵌入与循环时间模型及软注意力，研究Whisper内部表示如何预测颅内ECoG响应，发现中间层与神经活动对应最强，且高分辨率ECoG受益于时间结构化建模。

Comments Presented at ICLR 2026 Workshop on Representational Alignment (Re-Align)

How does longer temporal context enhance multimodal narrative video processing in the brain?

更长的时间上下文如何增强大脑对多模态叙事视频的处理？

Prachi Jindal, Anant Khandelwal, Manish Gupta, Bapi S. Raju, Subba Reddy Oota, Tanmoy Chakraborty

机构 * Technische Universität Berlin（柏林技术大学） ； Microsoft Research（微软研究院） ； IIT Delhi（德里理工学院） ； Microsoft（微软） ； IIIT-Hyderabad（海得拉巴理工学院） 纠错

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

AI总结 本研究探讨了视频片段时长和叙事任务提示如何影响自然电影观看过程中大脑模型对多模态大语言模型（MLLMs）的对齐情况，发现增加片段持续时间显著提高了大脑对齐程度，而单模态视频模型则无明显提升。

Comments 22 pages, 15 figures

Mechanistically Interpretable Neural Encoding Reveals Fine-Grained Functional Selectivity in Human Visual Cortex

可解释的神经编码机制揭示人类视觉皮层的精细功能选择性

Idan Daniel Grosbard, Mor Geva, Galit Yovel

机构 * Sagol School of Neuroscience（萨戈尔神经科学学院） ； Blavatnik School of Computer Science and AI（布拉瓦提克计算机科学与人工智能学院） ； School of Psychological Sciences（心理学科学学院） 纠错

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

AI总结 本文提出MINE框架，通过机制可解释工具揭示自然图像中驱动皮层 voxel 活动的特征，验证了特征对 voxel 响应的因果影响，并揭示了视觉皮层中精细的功能选择性。

Comments 40 pages, 28 figures

Implicit Behavioral Decoding from Next-Step Spike Forecasts at Population Scale

从群体尺度上的下一步尖峰预测隐式行为解码

John R. Minnick, Jesus Gonzalez-Ferrer, Kamran Hussain, Jinghui Geng, Ash Robbins, Mohammed A. Mostajo-Radji, David Haussler, Jason Eshraghian, Mircea Teodorescu

机构 * Department of Electrical and Computer Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校电气与计算机工程系） ； UC Santa Cruz Genomics Institute, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校基因组研究所） ； Department of Biomolecular Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校生物分子工程系） ； Department of Applied Mathematics, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校应用数学系） ； Department of Computer Science and Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校计算机科学与工程系） 纠错

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

AI总结 本文提出利用单个Mamba预测器在一次前向传递中实现神经群体活动预测和动物行为状态解码，通过轻量级线性头在匹配时间上下文中优于原始尖峰计数解码，验证了在Steinmetz视觉辨别基准上的有效性。

Comments 21 pages, 6 figures, 5 tables; submitted to NeurIPS 2026 Neuroscience & Cognitive Science Track

FLUX: Geometry-Aware Longitudinal Flow Matching with Mixture of Experts

FLUX：基于混合专家的几何感知纵向流匹配

Josue Ortega Caro, Yongxu Zhang, Hannah M Batchelor, Sizhuang He, Jessica Cardin, Shreya Saxena

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 FLUX通过几何感知的纵向流匹配框架，结合混合专家方法，解决无配对纵向数据中的轨迹建模与隐式状态发现问题。