脑机接口 / BCI

Recurrent Neural Networks for P300-based BCI

Ori Tal, Doron Friedman

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

Journal ref Int'l BCI Conf Graz, Austria, 2017

Modeling and Interpreting Correlations, Null Distributions and Significance Levels in Neural Tracking of Natural Stimuli

自然刺激神经追踪中的相关性、零分布与显著性水平的建模与解释

Simon Geirnaert, Alexander Bertrand, Tom Francart, Jonas Vanthornhout

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC、eess.SP

AI总结 本研究针对自然刺激神经追踪的相关性解释问题，提出刺激-响应错位的零假设选择，构建半参数模型生成零归一化追踪分数，通过EEG数据反转原始相关性结论，提供了高效的神经追踪分析方法论。

Rethinking PPG-based Sleep Staging: Datasets, Metrics, and Benchmarks

重新思考基于光体积描记（PPG）的睡眠分期：数据集、指标与基准

Shuntian Zheng, Jiawei Wang, Cong Fu, Huan Yu, Chen Chen, Yu Guan, Sai Gu

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.LG、cs.HC

AI总结 该研究针对基于PPG的睡眠分期与EEG方法存在的显著差距，开发隐半马尔可夫模型的标签扩展流程，用秒级监督在MESA数据集上提升四类分期准确率3.7-5.7个百分点，且在CFS上零样本迁移有效。

Computer Vision Based Neurology Brain Activity Rejection Architecture and Implementation

基于计算机视觉的神经学脑电活动抑制架构与实现

Zag ElSayed, Nathan Suer, Grace Westerkamp, Jack Yanchen Liu, Makoto Miyakoshi, Craig Erickson, Ernest Pedapati

机构 * Member, IEEE（IEEE成员） 纠错

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

AI总结 研究针对EEG在认知发展研究中的挑战，引入基于计算机视觉的自动化ICA拒绝标记工具，兼容常用软件接口，通过自动化人工任务，大幅减少处理时间，提高准确率，加速大规模EEG研究及脑电活动抑制任务应用。

Comments 7 pages, 10 figures, Conference

Journal ref ICMLA 2024

AnySleep: a channel-agnostic deep learning system for high-resolution sleep staging in multi-center cohorts

AnySleep：用于多中心队列中高分辨率睡眠分期的通道无关深度学习系统

Niklas Grieger, Jannik Raskob, Siamak Mehrkanoon, Stephan Bialonski

机构 * Department of Medical Engineering and Technomathematics, FH Aachen University of Applied Sciences（医学工程与技术学系，亚琛应用科学大学） ； Department of Information and Computing Sciences, Utrecht University（信息与计算科学系，乌得勒支大学） ； Institute for Data-Driven Technologies, FH Aachen University of Applied Sciences（数据驱动技术研究所，亚琛应用科学大学） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 eess.SP、cs.LG

AI总结 研究针对多中心睡眠分期难题，提出AnySleep深度学习系统，能从EEG或EOG数据以可调分辨率评分。经多数据集训练验证，性能达最优，可捕捉短清醒侵入，改善病理状况预测，公开模型助力睡眠研究与生物标志物发现。

Comments 29 pages, 10 figures, 7 tables

Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Sensor Fusion

高效无监督领域适应回归用于空间-时间传感器融合

Keivan Faghih Niresi, Ismail Nejjar, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Laboratory, EPFL（智能维护与操作系统实验室，瑞士联邦理工学院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 eess.SP、cs.LG

AI总结 本文提出一种针对回归任务的高效无监督领域适应方法，通过整合空间-时间图神经网络和源目标域扰动逆Gram矩阵对齐，实现无标注数据下的可扩展领域适应，验证于空气质量监测和EEG信号重建任务，取得最佳性能。

Comments Accepted to IEEE Internet of Things Journal

CLSP-REQA: A Real-Time Quality-Aware Closed-Loop Seizure Prediction Framework with Mamba-BiLSTM and Confidence-Gated Intervention

CLSP-REQA：基于Mamba-BiLSTM和置信门控干预的实时质量感知闭环癫痫发作预测框架

Mufeng Chen, Qi Wu, Bingchao Huang, Xiwen Lai, Zekai Chen, Xinge Ouyang, Quansheng Ren

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Mathematical Institute, University of Oxford（牛津大学数学研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； Department of Mechanical Engineering, The University of British Columbia（不列颠哥伦比亚大学机械工程系） ； College of Life Sciences, Hunan Normal University（湖南师范大学生命科学学院） ； School of Electronics, Peking University（北京大学电子学院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 eess.SP、cs.LG

AI总结 提出CLSP-REQA框架，通过嵌入实时EEG质量评估模块和Mamba-BiLSTM骨干网络，结合分层非线性融合函数，在严格跨患者评估下实现优于现有方法的癫痫发作预测性能。

Comments 27 pages, 8 figures, submitted to Biomedical Signal Processing and Control

A comprehensive evaluation of pretraining strategies for channel-agnostic contrastive self-supervision of biosignals

生物信号通道无关对比自监督预训练策略的综合评估

Thea Brüsch, Mikkel N. Schmidt, Tommy S. Alstrøm

机构 * Department of Applied Mathematics and Computer Science（应用数学和计算机科学系） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 eess.SP、cs.LG

AI总结 针对生物信号通道可变性问题，提出对比随机导联编码（CRLC）方法，通过随机选择输入通道子集创建正对，在EEG和ECG数据上预训练并微调，在通道无关设置下优于现有策略，并达到与最先进参考模型相当的性能。

NeuralBench: A Unifying Framework to Benchmark NeuroAI Models

NeuralBench：一个统一的神经AI模型评估框架

Hubert Banville, Stéphane d'Ascoli, Simon Dahan, Jérémy Rapin, Marlène Careil, Yohann Benchetrit, Jarod Lévy, Saarang Panchavati, Antoine Ratouchniak, Mingfang, Zhang, Elisa Cascardi, Katelyn Begany, Teon Brooks, Jean-Rémi King

机构 * Brain \& AI team, Meta FAIR ； École Normale Supérieure, Université PSL, CNRS ； Hospital Foundation Adolphe de Rothschild ； MIND, Inria 纠错

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

AI总结 本文提出NeuralBench框架，用于评估神经活动AI模型，包含36个EEG任务和14种深度学习架构，揭示基础模型仅小幅优于任务专用模型，且许多任务仍极具挑战性。

Comments 31 pages, 9 figures

BioTrain: Sub-MB, Sub-50mW On-Device Fine-Tuning for Edge-AI on Biosignals

BioTrain: 亚兆字节、亚50毫瓦边缘AI生物信号细调

Run Wang, Victor J. B. Jung, Philip Wiese, Sebastian Frey, Giusy Spacone, Francesco Conti, Alessio Burrello, Luca Benini

机构 * Integrated Systems Laboratory (IIS), ETH Zurich（集成系统实验室（IIS），苏黎世联邦理工学院） ； Department of Electrical, Electronic and Information Engineering (DEI), University of Bologna（电气、电子与信息工程系（DEI），博洛尼亚大学） ； Department of Control and Computer Engineering (DAUIN), Politecnico di Torino（控制与计算机工程系（DAUIN），托里诺理工学院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 eess.SP、cs.LG

AI总结 针对生物信号跨用户和跨会话的显著变异性，BioTrain提出在亚50毫瓦和亚兆字节约束下实现边缘AI的全网络微调，通过高效内存管理和网络拓扑优化，提升EEG和EOG模型的精度与训练效率。

Machine learning approaches to uncover the neural mechanisms of motivated behaviour: from ADHD to individual differences in effort and reward sensitivity

利用机器学习揭示动机行为的神经机制：从ADHD到个体在努力和奖励敏感性中的差异

Nam Trinh

机构 * School of Computing（计算学院） ； Dublin City University（都柏林城市大学） 纠错

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

AI总结 本文通过机器学习方法研究ADHD的神经机制，利用EEG和神经影像技术分析努力和奖励敏感性的个体差异，发现前额-顶叶电路在努力评估和奖励处理中起核心作用。

Comments PhD thesis, Dublin City University, December 2025. 194 pages

Feasibility of Embodied Dynamics Based Bayesian Learning for Continuous Pursuit Motion Control of Assistive Mobile Robots in the Built Environment

基于具身动力学的贝叶斯学习在辅助移动机器人连续追击运动控制中的可行性

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

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

AI总结 本文提出基于具身动力学的贝叶斯学习方法，有效提升辅助移动机器人在复杂环境中的连续追击运动控制性能。

Comments 37 pages, 9 figures, and 7 tables

BTTDA: Block-Term Tensor Discriminant Analysis for Brain-Computer Interfacing

Arne Van Den Kerchove, Hakim Si-Mohammed, François Cabestaing, Marc M. Van Hulle

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

Comments This archive contains 26 pages, 7 figures, 2 tables, 3 appendices and 3 ancillary files (erp_results.csv, mi_results.csv, block_theta_results.csv). Source code is available at https://github.com/arnevdk/bttda

On Creating A Brain-To-Text Decoder

Zenon Lamprou, Yashar Moshfeghi

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

Spectrally Adaptive Common Spatial Patterns

Mahta Mousavi, Eric Lybrand, Shuangquan Feng, Shuai Tang, Rayan Saab, Virginia de Sa

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

Joint Text-Audio Alignment for EEG-to-Text Decoding in Chinese Speech Production and Perception

中文语音产生与感知中脑电到文本解码的联合文本-音频对齐

Tian Zheng, Xurong Xie, Xinxin Zhu, Xiaolan Peng, Feng Tian

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Beijing Language and Culture University（北京语言大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究针对从头皮脑电图解码中文语音信息的难题，提出EEGAlign框架，通过联合文本与音频对齐及对比学习，经CTC解码，在ChineseEEG-2数据上取得先进的闭集句子分类性能，证明两对齐轴互补，是该领域首次相关研究。

Lost in Visual Translation: A VLM-Assisted Perceptual-Semantic Coherence Framework for EEG-to-Image Reconstruction

迷失在视觉翻译中：用于脑电到图像重建的基于视觉语言模型的感知语义连贯框架

Sukriti Tiwari, BHVSP Subrahmanyam, Nidhi Goyal, Sai Amrit Patnaik

机构 * Mahindra University（马欣德拉大学） ； MU-VT Interdisciplinary Advanced Research Centre for Transformative Technologies, Mahindra University（马欣德拉大学MU-VT变革性技术跨学科高级研究中心） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)

AI总结 研究脑电到图像重建中视觉保真度与语义可恢复性评估问题，引入基于四个视觉语言模型的框架，通过结构化问题评估图像对，产生宽容感知和语义对齐分数，提炼出脑机接口连贯分数，有效评估感知语义可恢复性。

Comments 27 pages, 3 figures, 13 tables. Accepted at the 5th International Workshop on Human Brain and Artificial Intelligence (HBAI 2026)

Robust EEG Functional Connectivity Metrics for Decoding Action Observation Conditions and Observed Actions

鲁棒的脑电功能连接指标用于解码动作观察条件和观察到的动作

Anh T. Nguyen, Zachary A. Rentala, Michelle J. Johnson

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本研究比较了五种脑电功能连接指标在解码动作观察刺激中的表现，发现对容积传导鲁棒的指标（如iCOH）优于其他，且图神经网络在所有指标中表现最稳健。

Inverse Modeling for MEG/EEG data

MEG/EEG数据的反演建模

Alberto Sorrentino, Michele Piana

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文综述了用于从神经生理数据重建脑活动的数学方法，讨论了正则化方法和贝叶斯推断技术，并分类了反演方法，最后介绍了其在癫痫患者术前评估中的应用。

Comments 15 pages, 1 figure

Effectiveness of sparse Bayesian algorithm for MVAR coefficient estimation in MEG/EEG source-space causality analysis

稀疏贝叶斯算法在MEG/EEG源空间因果分析中MVAR系数估计的有效性

Kensuke Sekihara, Hagai Attias, Julia P. Owen, Srikantan S. Nagarajan

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文通过计算机实验评估稀疏贝叶斯算法在强背景干扰下估计多元自回归系数的有效性，发现其虽对干扰不敏感但会降低真实因果关系的可检测性。

Comments Proceedings of the 8th Annual Conference of Non-invasive Functional Source Imaging held at Banff, May 2011

Visualizing the Invisible: Generative Visual Grounding Empowers Universal EEG Understanding in MLLMs

可视化不可见：生成式视觉定位赋能多模态大语言模型的通用脑电图理解

Jun-Yu Pan, Yansen Wang, Enze Zhang, Bao-Liang Lu, Wei-Long Zheng, Dongsheng Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural signal(abstract)

AI总结 提出生成式视觉定位（GVG）框架，通过脑电图到图像的生成模型作为视觉翻译器，为多模态大语言模型提供结构化视觉上下文，以增强非视觉脑电图的理解和临床状态解释。

Brain3D: EEG-to-3D Decoding of Visual Representations via Multimodal Reasoning

Brain3D: 通过多模态推理实现EEG到3D视觉表示的解码

Emanuele Balloni, Emanuele Frontoni, Chiara Matti, Marina Paolanti, Roberto Pierdicca, Emiliano Santarnecchi

机构 * Università Politecnica delle Marche（马尔凯理工大学） ； University of Macerata（马切拉塔大学） ； Horizon Intelligence Labs（地平线智能实验室） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural decoding(abstract)

AI总结 本文提出Brain3D，通过多模态推理实现EEG到3D解码，分阶段生成3D网格，提升神经解码的几何理解与应用性。

Comments 17 pages, 2 figures

NeuroNarrator: A Generalist EEG-to-Text Foundation Model for Clinical Interpretation via Spectro-Spatial Grounding and Temporal State-Space Reasoning

NeuroNarrator：一种通过频谱-空间定位和时间状态空间推理的通用EEG到文本基础模型，用于临床解释

Guoan Wang, Shihao Yang, Jun-en Ding, Hao Zhu, Feng Liu

机构 * Stevens Institute of Technology（史蒂文斯理工学院） 纠错

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

AI总结 NeuroNarrator通过频谱-空间定位和时间状态空间推理，将EEG信号转化为临床文本，解决传统EEG分析方法在临床解释中的局限性。

Toward High-Fidelity Visual Reconstruction: From EEG-Based Conditioned Generation to Joint-Modal Guided Rebuilding

迈向高保真视觉重建：从基于EEG的条件生成到联合模态引导重建

Zhijian Gong, Tianren Yao, Wenjia Dong, Xueyuan Xu

机构 * Beijing University of Technology, Beijing（北京理工大学） ； Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing（北京计算智能与智能系统重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural signal(abstract)

AI总结 本文提出联合模态视觉重建框架，通过独立学习EEG和文本信息，提升EEG特征的重建能力，结合多尺度编码和图像增强，实现高保真视觉重建。

Aligning What EEG Can See: Structural Representations for Brain-Vision Matching

使EEG能看见：用于脑-视觉匹配的结构表示

Jingyi Tang, Shuai Jiang, Fei Su, Zhicheng Zhao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出EEG-可见层选择策略和分层互补融合框架，通过将EEG信号与中间视觉层对齐，解决跨模态信息不匹配问题，提升零样本视觉解码性能。

Hierarchic-EEG2Text: Assessing EEG-To-Text Decoding across Hierarchical Abstraction Levels

分层EEG2Text：在多级抽象层级上评估EEG到文本解码

Anupam Sharma, Harish Katti, Prajwal Singh, Shanmuganathan Raman, Krishna Miyapuram

机构 * IIT Gandhinagar（印度冈德辛加尔理工学院） ； NIMH, NIH（国家卫生研究院神经精神疾病研究所） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；分类 eess.SP、cs.LG、cs.HC

AI总结 本研究提出分层EEG2Text方法，通过多级抽象层级评估EEG到文本解码，揭示抽象深度对分类性能的影响。

Step-Aware Residual-Guided Diffusion for EEG Spatial Super-Resolution

步感知残差引导扩散用于EEG空间超分辨率

Hongjun Liu, Leyu Zhou, Zijianghao Yang, Chao Yao

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)

AI总结 SRGDiff通过步感知残差引导扩散模型，提升EEG空间超分辨率的保真度与一致性，实现高达40%的性能提升。

Comments ICLR 2026 Conference Paper

EEG Foundation Models: A Critical Review of Current Progress and Future Directions

EEG基础模型：对当前进展和未来方向的批判性回顾

Gayal Kuruppu, Neeraj Wagh, Vaclav Kremen, Sandipan Pati, Gregory Worrell, Yogatheesan Varatharajah

机构 * Department of Computer Science & Engineering, University of Minnesota Twin Cities（计算机科学与工程系，明尼苏达大学双城分校） ； Department of Bioengineering, University of Illinois at Urbana-Champaign（生物工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Neurology, Mayo Clinic（神经病学系，梅奥诊所） ； Department of Neurology, University of Minnesota Twin Cities（神经病学系，明尼苏达大学双城分校） 纠错

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

AI总结 本文回顾了EEG基础模型的当前进展，分析了其在自监督建模中的方法和评估策略，指出未来需加强可扩展性和可信度以提升实际应用价值。

Comments 22 pages (main), 5 figures (main), 4 tables (main + supplement)

CrossPT-EEG: A Benchmark for Cross-Participant and Cross-Time Generalization of EEG-based Visual Decoding

CrossPT-EEG: 一个用于EEG视觉解码跨受试者和跨时间泛化的基准

Shuqi Zhu, Ziyi Ye, Qingyao Ai, Yiqun Liu

机构 * Department of Computer Science and Technology（计算机科学与技术系） 纠错

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

AI总结 CrossPT-EEG通过跨受试者和跨时间泛化的EEG视觉解码基准，提升脑机接口和视觉感知研究

Toward Robust EEG-based Intention Decoding during Misarticulated Speech in Dysarthria

向在口吃性语言障碍中实现鲁棒的EEG基意图解码

Ha-Na Jo, Jung-Sun Lee, Eunyeong Ko

机构 * Dept. of Artificial Intelligence（人工智能系） ； Korea University（韩国大学） 纠错

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

AI总结 本文提出了一种基于EEG的软多任务学习框架，用于在口吃性语言障碍中实现更稳定的意图解码，通过抑制非特定频谱响应和增强类别区分，提高了正确和口吃试验的F1分数。