脑机接口 / BCI

Critical Flicker Fusion Frequency As A Falsifiable Boundary Between Plastic And Non-Plastic Neural Systems

临界闪烁融合频率作为可证伪的可塑性与非可塑性神经系统之间的边界

Natalia D. Rydzenska, Pawel J. Winklewski, Michal W. Blaszczyk-Niezgoda, Anna B. Marcinkowska

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

AI总结 本综述提出临界闪烁融合频率（CFFF）可作为可塑性与非可塑性神经系统的可证伪边界，分析其稳定性来源、对不同训练的反应及相关原则，为理解认知系统在感觉约束下的运作提供新视角。

Comments 44 pages, 4 figures, 3 tables in Supplementary Material

NeuroSynth: A Biologically Inspired Continual Reinforcement Learning Architecture for Mitigating Catastrophic Forgetting

NeuroSynth：一种受生物启发的持续强化学习架构，用于缓解灾难性遗忘

Yash Kini

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

AI总结 本研究提出受生物启发的持续强化学习架构NeuroSynth，通过双路径巩固机制缓解灾难性遗忘，实验显示其在多个顺序导航任务中相比PPO、EWC保留更多早期任务知识，改善了持续学习的稳定性-可塑性平衡。

Comments Disclaimer. This manuscript is provided as an arXiv preprint to establish a public record of the NeuroSynth continual reinforcement learning architecture and its evaluation on the NeuroMaze-CL benchmark. This full manuscript has been submitted to the Journal of High School Science for peer review

The Fast Lane Hypothesis: Von Economo Neurons Implement a Biological Speed-Accuracy Tradeoff

快速通道假说：von Economo神经元实现一种生物速度-准确性权衡

Esila Keskin

机构 * School of Computing and Creative Technologies, University of the West of England, Bristol, UK（西英格兰大学计算与创意技术学院，布里斯托尔，英国） 纠错

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

AI总结 本文提出von Economo神经元通过稀疏快速投射路径实现生物速度-准确性权衡，通过模拟社会辨别任务验证其在不同病理条件下对决策速度的影响。

Comments 7 pages, 5 figures. Code available at https://github.com/esila-keskin/fast-lane-hypothesis

Enhancing Brain Age Estimation with a Multimodal 3D CNN Approach Combining Structural MRI and AI-Synthesized Cerebral Blood Volume Measures

通过多模态3D CNN方法增强脑年龄估计，结合结构性MRI和AI合成的脑血容量测量

Jordan Jomsky, Kay C. Igwe, Zongyu Li, Yiren Zhang, Max Lashley, Tal Nuriel, Andrew Laine, Jia Guo

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

AI总结 本文提出了一种结合结构性MRI和AI合成脑血容量测量的多模态3D CNN方法，用于更准确地估计脑年龄差距，以检测早期神经退行性变化。

Comments 26 pages, 8 figures

Synaptic clustering emerges from learning and supports covariance discrimination

突触聚类源于学习并支持协方差辨别

Ilenna Simone Jones, Maceo Richards, Houman Safaai, Elom Amematsro, Bernardo Sabatini

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

AI总结 研究功能性突触簇对计算的因果必要性，通过训练具有分层树突段和稀疏电导突触的人工神经网络Dendrinet解决置换协方差分类任务，发现树突非线性和突触可塑性影响FSCs及性能，表明其可支持协方差结构计算。

Comments 25 pages, 7 figures

Noise-Induced Transitions and Coherence Resonance in a 5D Conductance-Based Neuronal Model

噪声加速的Kramers逃逸与神经曼哈顿中相干共振

Yefan Wu

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

AI总结 本文研究了噪声对神经元兴奋性的影响，揭示了乘性噪声通过Kramers逃逸机制促进神经元在高维振荡器中达到病理性超兴奋状态的物理机制。

Comments 15 pages, 12 figures. Revised version with expanded numerical validation and robustness analyses

Emergent topological structure in spontaneous brain-organoid activity

自发脑类器官活动中涌现的拓扑结构

Eve Bodnia, Margaux Basart, Sofie Hai, Lenzie Ford, Nina Miolane, Kenneth S. Kosik, Dirk Bouwmeester, Lincoln D. Carr

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

AI总结 研究将持久同调应用于人类和小鼠皮质类器官自发活动的MEA记录，通过构建加权网络并表征其拓扑结构，发现一阶同调在多数数据集显著高于零模型，拓扑丰富度随网络大小增长，二阶同调仅在较大网络中显著，证明能解析神经记录中的结构化拓扑。

Comments 14 pages, 10 figures

Automated detection of circadian-dependent epileptic biomarkers for seizure localization using machine learning and signal processing

使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位

Mehdi Zekriyapanah Gashti, Mostafa Mohammadpour, Hassan Eshkiki, Vahid Ghanbarizadeh

专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。

Comments This version corresponds to the published journal article

Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026

When Context Dominates: Multimodal Signatures of Takeover Readiness Under Varying Hazard and Cognitive Load Conditions

当情境占主导时：不同危险和认知负荷条件下接管准备的多模态特征

Shiva Azimi, Yasaman Hakiminejad, Luis Gomero, Elizabeth Pantesco, Irene P. Kan, Meltem Izzetoglu, Arash Tavakoli

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

AI总结 研究在驾驶模拟器实验中探究危险类型、次要任务等因素对驾驶员接管行为的影响，采用多模态传感框架评估，发现危险情境是主要决定因素，为半自动车辆人机协作策略奠定基础。

Structural Brain Predictors of Visual Attention Gradient Modulated by Trait Anxiety

特质焦虑调节的视觉注意梯度的脑结构预测因素

Suhail Rafiq Mir, Dolcy Dhar, Ishita Singh, Prakrati Gupta, Varsha Singh, Mrinmoy Chakrabarty

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

AI总结 研究特质焦虑调节的视觉注意梯度的脑结构预测因素，通过对60名参与者的视觉空间注意梯度任务及神经成像分析，发现小脑和感觉运动区域结构完整性与特质焦虑个体空间注意部署有关，还证明了脑结构标记的预测效用。

Comments 57 pages, 4 figures, Journal submission

Training event-based neural networks with exact gradients via Differentiable ODE Solving in JAX

通过JAX中的可微ODE求解实现基于事件的神经网络的精确梯度训练

Lukas König, Manuel Kuhn, David Kappel, Anand Subramoney

机构 * Department of Computer Science Royal Holloway, University of London Egham, United Kingdom 纠错

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

AI总结 本文提出Eventax框架，结合可微ODE求解器与事件式脉冲处理，解决传统spiking神经网络训练中精确梯度与模型灵活性的矛盾，支持多种神经元模型和损失函数，展示了其在多个基准测试中的应用。

Comments 9 pages, 3 figures

CALM: Interpretable Cross-Modal Alignment for Biomarker Discovery from Unpaired Data

CALM: 可解释的跨模态对齐用于从非配对数据中发现生物标志物

Jueqi Wang, Zachary Jacokes, John Darrell Van Horn, Kevin A. Pelphrey, Michael C. Schatz, Archana Venkataraman

机构 * Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； School of Data Science, University of Virginia（弗吉尼亚大学数据科学学院） ； Department of Psychology, University of Virginia（弗吉尼亚大学心理学系） ； Department of Neurology, University of Virginia（弗吉尼亚大学神经病学系） ； Departments of Computer Science and Biology, Johns Hopkins University（约翰霍普金斯大学计算机科学与生物学系） 纠错

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

AI总结 提出CALM框架，通过线性投影对齐脑区和遗传通路的潜在分布，从完全不相交的人群中学习可解释的跨模态关联，在自闭症谱系障碍数据上优于现有方法。

Comments Accepted to MICCAI 2026

Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning

赢家通吃瓶颈强制多任务学习中的解耦符号表示

Julian Gutheil, Simon Hitzginger, Robert Legenstein

机构 * Institute of Machine Learning and Neural Computation（机器学习与神经计算研究所） ； Graz University of Technology（格拉茨技术大学） ； Graz, Austria（奥地利格拉茨） 纠错

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

AI总结 本文研究了赢家通吃瓶颈在多任务学习中强制提取数据类别潜在因素的作用，证明了其产生的表示具有高度符号性，并通过实验验证了其在一般化中的优势。

Comments We have revised the theorem and its proof. We have also corrected some minor errors

Hi-DREAM: Brain-Inspired Hierarchical Diffusion for fMRI-to-Image Reconstruction via ROI Encoder and VisuAl Mapping

Hi-DREAM: 基于脑启发的层次化扩散用于fMRI到图像重建，通过ROI编码器和视觉映射

Guowei Zhang, Yun Zhao, Kai Sun, Moein Khajehnejad, Adeel Razi, Dinh Phung, Levin Kuhlmann

机构 * Dept of Data Science and AI, Monash University, Melbourne, Australia（数据科学与人工智能系，墨尔本大学，澳大利亚） ； School of Psychological Sciences, Monash University, Melbourne, Australia（心理学科学学院，墨尔本大学，澳大利亚） ； Brain and Mind Centre, University of Sydney, Sydney, Australia（脑与心智中心，悉尼大学，澳大利亚） 纠错

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

AI总结 提出Hi-DREAM框架，利用层次化扩散模型，通过ROI适配器将早期、中期和晚期视觉ROI流转换为多尺度皮层金字塔，并用轻量级ROI条件ControlNet注入解剖先验，在NSD数据集上实现最先进的高层语义重建和强低层结构。

Comments 18 pages, 5 figures

DRIADA: A Python Toolkit for Cross-Scale Analysis of Single-Neuron Selectivity and Population Dynamics

DRIADA: 一个用于单神经元选择性和群体动力学跨尺度分析的Python工具包

Nikita Pospelov, Viktor Plusnin, Olga Rogozhnikova, Anna Ivanova, Vladimir Sotskov, Margarita Orobets, Ksenia Toropova, Olga Ivashkina, Vladik Avetisov, Konstantin Anokhin

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

AI总结 提出DRIADA，一个统一神经信号与行为数据的Python框架，通过共享数据模型整合选择性测试、降维和网络分析，在合成数据、小鼠海马钙成像和环形吸引子网络验证中实现跨尺度分析。

NeuroCogMap Reveals Cognitive Organization of Large Language Models

NeuroCogMap揭示大语言模型的认知组织

Zhongxiang Sun, Haolang Lu, Qiang Ma, Qi Li, Qipeng Wang, Liang Pang, Chenyu Liu, Qiankun Li, Hao Sun, Kun Wang, Yi Zeng, Jun Xu, Guoqi Li, Ji-Rong Wen

机构 * The University of Hong Kong（香港大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； IGS, Imperial College London（伦敦帝国理工学院IGS） 纠错

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

AI总结 提出神经认知地图框架，将LLM内部特征组织为功能分区，揭示其与认知能力、行为失败及人类大脑皮层的对应关系。

Comments 79 pages, 6 main figures, 5 extended figures

Reproducibility via neural fields of visual illusions induced by localized stimuli

通过神经场再现由局部刺激诱导的视觉错觉

Cyprien Tamekue, Dario Prandi, Yacine Chitour

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

AI总结 本文利用Amari型神经场模型V1区神经元活动平均膜电位，研究局部聚焦 funnel 模式诱导的视觉现象，探讨其非线性特性及兴奋性与抑制性神经元的交互作用。

A mathematical model of the visual MacKay effect

视觉MacKay效应的数学模型

Cyprien Tamekue, Dario Prandi, Yacine Chitour

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

AI总结 本文基于神经场模型的输入输出可控性，研究视觉MacKay效应的数学建模，通过调整神经元连接参数使皮层活动在无感官输入时指数稳定，验证了模型对MacKay报告的后像特征的捕捉能力。

Reproducing sensory induced hallucinations via neural fields

通过神经场再现感觉诱导的幻觉

Cyprien Tamekue, Dario Prandi, Yacine Chitour

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

AI总结 本文提出了一种理论框架，用于再现由几何视觉幻觉样刺激驱动的初级视觉皮层模式，从而复现如MacKay效应和Billock-Tsou体验等新的心理物理结果。

Neural operator-based digital twins for modeling amyloid-$β$ and tau propagation and treatment optimization in Alzheimer's disease

基于神经算子的数字孪生用于阿尔茨海默病中淀粉样蛋白-β和tau蛋白传播建模及治疗优化

Xiaofeng Xu, Tingting Dan, Zifan Zhou, Bin Li, Guorong Wu, Wenrui Hao

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出基于神经算子的数据驱动框架，从稀疏纵向PET数据学习反应扩散动力学，预测淀粉样蛋白-β和tau蛋白时空演化，并优化个性化治疗策略。

Sensing Intelligence as a Trainable Metamaterial Property

感知智能作为可训练的元材料属性

Kyungmi Na, Yifei Li, Xinyi Yang, Bolei Deng

机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德鲁·福金斯航空航天工程学院，佐治亚理工学院） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室，麻省理工学院） 纠错

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

AI总结 本文提出将感知智能作为可训练的元材料属性，通过可微仿真优化元材料几何结构，使神经网络能够训练其身体进行感知，从而显著提升感知精度或减少电子传感器数量。

Soliton-like Waves in a Two-Dimensional Recurrent Spiking Neural Network with Weighted Spike-Timing-Dependent Plasticity

具有加权脉冲时序依赖可塑性的二维递归脉冲神经网络中的类孤子波

Ch. Meessen

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

AI总结 本文构建了一个最小生物合理的脉冲神经元模型，通过加权STDP和归一化机制，在二维递归网络中自发产生稳定传播的耗散孤子波，其碰撞湮灭特性可用于编码相对相位和频率。

Comments 21 pages, 11 figures

Can neurons speak? Semantic narration of vision at single-cell resolution

神经元能说话吗？单细胞分辨率的视觉语义叙述

Arnau Marin-Llobet, Richard Hakim, Sara Matias, Venkatesh N. Murthy, Na Li, Demba Ba

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

AI总结 提出NEURRATOR框架，通过将神经元活动解码为自然语言描述，实现单细胞分辨率的视觉语义叙述，并用于量化解码保真度及解析单个神经元和特定细胞类型的功能贡献。

Structured Representation Learning with Locally Linear Embeddings and Adaptive Feature Fusion

基于局部线性嵌入与自适应特征融合的结构化表示学习

Somjit Nath, Jackson J Cone, Derek Nowrouzezahrai, Samira Ebrahimi Kahou

机构 * Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 受神经科学启发，提出一种强化学习框架，利用局部线性嵌入捕捉状态局部结构，并通过注意力机制自适应融合动态与奖励特征，提升学习效率。

Comments Published in Transactions on Machine Learning Research (04/2026)

Generative causal testing to bridge data-driven models and scientific theories in language neuroscience

生成式因果测试：弥合语言神经科学中数据驱动模型与科学理论之间的鸿沟

Richard Antonello, Chandan Singh, Shailee Jain, Aliyah Hsu, Sihang Guo, Jianfeng Gao, Bin Yu, Alexander Huth

机构 * Computer Science Department, University of Texas at Austin（德克萨斯大学计算机科学系） ； Microsoft Research（微软研究院） ； Neurosurgery Department, University of California（加州大学神经外科系） ； EECS Department, University of California（加州大学电子工程与计算机科学系） ； Statistics Department, University of California（加州大学统计学系） ； Center for Computational Biology, University of California（加州大学计算生物学中心） ； Neuroscience Department, University of California（加州大学神经科学系） 纠错

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

AI总结 提出生成式因果测试（GCT）框架，利用大语言模型生成简洁解释并通过LLM生成刺激进行验证，成功解释大脑区域的语言选择性，弥合数据驱动模型与科学理论之间的差距。

Comments Accepted to Nature Neuroscience, please cite that version

Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension

基于独立成分的故事理解过程中大脑活动的编码模型

Kamya Hari, Taha Binhuraib, Jin Li, Cory Shain, Anna A. Ivanova

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程学院） ； School of Psychological and Brain Sciences, Georgia Institute of Technology（佐治亚理工学院心理学与脑科学学院） ； Department of Linguistics, Stanford University（斯坦福大学语言学系） 纠错

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

AI总结 提出基于独立成分的编码框架，从fMRI数据中分离刺激驱动和噪声信号，利用语言模型预测独立成分时间序列，识别出与听觉和语言相关的认知网络，验证了成分的可解释性和跨个体一致性。

Comments Accepted to CCN 2026 (Proceedings Track)

Understanding Sample Efficiency in Predictive Coding

理解预测编码中的样本效率

Gaspard Oliviers, Elene Lominadze, Rafal Bogacz

机构 * Nuffield Department of Clinical Neurosciences, University of Oxford, United Kingdom（牛津大学神经科学学院Nuffield部门，英国） ； MRC Centre of Research Excellence in Restorative Neural Dynamics, United Kingdom（英国修复神经动力学研究卓越中心） 纠错

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

AI总结 本文研究预测编码在样本效率上的优势，通过目标对齐度量分析BP和PC的学习效率，发现PC在深度、狭窄和预训练网络中表现更优，提供机制理解以指导PC参数设计。

Updating the standard neuron model in artificial neural networks

更新人工神经网络中的标准神经元模型

Raul Mohedano, Thomas Batard, Erik Velasco-Salido, Ramsses De Los Santos Mendoza, Jorge H. Martínez, Stacey Levine, Marcelo Bertalmío

机构 * Spanish National Research Council (CSIC)（西班牙国家研究理事会（CSIC）） ； Center for Research in Mathematics (CIMAT)（数学研究中心（CIMAT）） ； Universidad Autónoma de Madrid (UAM)（马德里自治大学（UAM）） ； National Science Foundation (NSF)（国家科学基金会（NSF）） 纠错

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

AI总结 本文用更真实的皮层细胞模型替代标准点神经元模型，在不增加参数的情况下，提升了人工神经网络的表达能力、鲁棒性和学习速度，并减少了记忆化和所需训练数据量。

Comments Acknowledgments included in the manuscript

Decoding Naturalistic Emotion Dynamics from the Brain: An LLM-Enhanced Regression Framework

从大脑解码自然情感动态：一种LLM增强的回归框架

Lemei Zhang, Peng Liu, Hans Dahle Kvadsheim, August Sætre Aasvær, Shuer Ye, Reza Bonyadi, Maryam Ziaei, Jon Atle Gulla

机构 * NTNU（挪威科技大学） ； Kavli Institute for Systems Neuroscience, NTNU（挪威科技大学卡弗里系统神经科学研究所） ； Microsoft（微软） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 cs.LG

AI总结 提出多目标回归框架，利用LLM从自然叙事中提取连续情感特征，结合动态功能连接和机器学习算法，实现从fMRI数据中解码连续情感轨迹，并揭示可解释的情感特异性脑网络拓扑。

Discrete signaling mediates chaotic regularization in recurrent neural networks

离散信号介导递归神经网络的混沌正则化

Jan Bauer, Christian Keup, Jonathan Kadmon, Moritz Helias

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

AI总结 通过结合核方法和动态平均场理论，揭示了混沌动力学如何在递归神经网络中引入局部粗糙度并保持全局平滑性，从而作为内在正则化器增强泛化能力，并解释了混沌网络如何维持平滑的群体编码。