脑机接口 / BCI

Lightweight ML-Based Automatic Sleep Staging Framework with Constrained CNN and Mamba for Small-Sample EEG Datasets

基于轻量级机器学习的自动睡眠分期框架：用于小样本脑电数据集的约束卷积神经网络和曼巴算法

Zihao Wei, Yulin Gong, Yudan Lv

机构 * School of Electronic Information Engineering, Changchun University of Science and Technology（长春理工大学电子信息工程学院） ； Jilin University（吉林大学） 纠错

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

AI总结 针对小样本脑电数据自动睡眠分期面临的挑战，提出GamSleepNet框架，结合改进Gabor核与可学习滤波器提取特征，用曼巴架构构建网络，引入新损失和训练策略，验证了最佳数据集大小，提升了挑战性睡眠阶段识别准确率。

See the Emotion: A Facial Emoji Proxy Modeling for EEG Emotion Recognition

看见情感：用于脑电图情感识别的面部表情符号代理建模

Jingjing Hu, Guo Dan, Haofan Cheng, Ying Zeng, Zhan Si, Jinxing Zhou, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； PLA Information Engineering University（中国人民解放军信息工程大学） ； University of Science and Technology of China（中国科学技术大学） ； MBZUAI 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural signal(abstract)；分类 cs.HC

AI总结 研究将脑电图可解释性重构为跨模态生成任务，提出面部表情符号代理建模框架，把高维脑电图信号转化为面部表情符号，在相关基准测试中取得先进准确率，能生成忠实面部动画展现大脑情感演变。

Comments Accepted by ICML 2026

A Granularity-Aware EEG Feature Framework for Psychopathology Dimension Prediction

一种用于精神病理学维度预测的粒度感知脑电图特征框架

Haofan Cheng, Jingjing Hu, Jingrong Pei, Shuaiqi Fu, Meilun Shen, Shuai Fang, Meng Wang, Dan Guo, Jie Zhang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Preventive Medicine Institute & Medical Innovation Center, The Fourth Military Medical University（第四军医大学预防医学研究所&医学创新中心） ； Key Laboratory of Knowledge Engineering with Big Data (Ministry of Education of China), Hefei University of Technology（合肥工业大学大数据知识工程教育部重点实验室） 纠错

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

AI总结 开发粒度感知脑电图特征管道，将多尺度描述符组织到不同层级，用健康脑网络队列评估对四种精神病理学维度的预测，树模型等有改进，多尺度特征含相关信号，粒度感知选择或为有用策略。

Neural Signatures of Programming Expertise: Classifying Programmer Skill Levels Using EEG Data

编程专长的神经特征：使用脑电图数据对程序员技能水平进行分类

Maurice Rekrut, Mahima Mahabaleshwar Acharya, Taisiia Ulianova, Norman Peitek, Annabelle Bergum, Mariya Toneva, Sven Apel, Antonio Krüger

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

AI总结 利用脑电图和机器学习分析编程经验与神经活动的关系，通过随机森林分类器实现高精度技能水平分类，揭示了熵值和额叶激活模式等关键神经特征。

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

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。

ProtoGIB-Workload: Learning Workload-Specific Neural Topology Prototypes across Subjects

ProtoGIB-Workload：跨被试学习特定工作负载的神经拓扑原型

Yuzhe Zhang, Yixi Zhang, Shengdian Jiang, Chengxi Xie, Jihong Wang, Huan Liu, Man Yao, Minnan Luo, Chao Shen

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

AI总结 本文针对EEG工作负载识别中跨被试泛化差的问题，提出ProtoGIB-Workload框架，结合SGIB和CTS实现稳定的神经拓扑原型学习，在多数据集LOSO实验中提升跨被试Macro-F1分数平均5.15%。

Complexity and Stability of Neural Activity Across Aging and Neurodegenerative Disease

衰老与神经退行性疾病中神经活动的复杂性与稳定性

Junjie Yu, Jianyu Zhang, Zian Pei, Xue Shi, Yumei Liu, Xin Jiang, Quanying Liu, Yi Guo

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

AI总结 该研究以EEG为对象，用Wasserstein距离和内在维度分别量化神经活动的稳定性与复杂性，发现健康衰老、轻度认知障碍及阿尔茨海默病的神经表征稳定性与复杂性存在特征性变化，为相关研究提供了新框架。

A Modular Workflow for Multimodal Reading Experiments

多模态阅读实验的模块化工作流程

Thomas Krämer, Thomas Kosch, Dagmar Kern, Daniel Hienert

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

AI总结 该研究提出一种基于网络的模块化工作流程，整合眼动、EEG等多模态数据，可适配不同实验设置，用于在线阅读的多模态研究，支持生态情境下的实证验证。

Comments In Proceedings of the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems

EEGForceFusion: Joint Tokenised-Continuous Representation Learning for Subject-Independent Grasp Force Decoding

EEGForceFusion：用于独立于主体的抓握力解码的联合令牌化-连续表示学习

Sankalp Sunil Turankar, Yogesh Kumar Meena

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

AI总结 研究针对连续抓握力解码难题，提出混合EEG解码框架，联合建模连续和令牌化表示，集成多种技术于统一架构，实验表明该方法在WAY-EEG-GAL数据集上跨主体泛化能力强，适用于实时力解码。

Comments 6 pages, 9 figures, 4 tables, accepted at Brain-Machine Interface (BMI) Systems Session, IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)

Addressing Limited Data in Auditory Attention Decoding with Diffusion Generative Models

用扩散生成模型解决听觉注意力解码中的数据有限问题

David Rannaleet, Victor Gunnarsson, Bo Bernhardsson, Martin A. Skoglund, Emina Alickovic

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

AI总结 研究针对助听器中听觉注意力解码因数据有限面临的挑战，利用扩散概率模型生成合成语音诱发EEG数据进行数据增强，实验证明该方法能显著提高AAD性能，凸显其减轻训练数据限制及增强模型鲁棒性的潜力。

Exploring Brain Networks Using Noninvasive Electrophysiological Measurements: Methods and Applications

使用非侵入性电生理测量探索脑网络：方法与应用

Richard Leahy, Takfarinas Medani

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

AI总结 该研究围绕使用EEG和MEG探索脑网络展开，阐述了其物理原理、正逆问题等方法基础及实际工作流程，涵盖多种连通性测量方法和新兴途径，为相关研究人员和学生提供了概念与实践指导。

Comments Book chapter manuscript including 6 figures and comprehensive references

Using hierarchical statistical learning models to model individual statistical learning

使用分层统计学习模型对个体统计学习进行建模

Hanna Ringer, Tatsuya Daikoku

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

AI总结 研究用分层贝叶斯统计学习模型，在有无诵读困难的成年人听结构化音调序列时，通过EEG记录对个体学习轨迹建模，虽未发现组间显著差异，但模型模拟与EEG数据对应紧密，为未来研究提供概念验证。

Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs

利用人类阅读过程中产生的认知信号增强微博关键词抽取

Xinyi Yan, Yingyi Zhang, Chengzhi Zhang

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

AI总结 研究利用脑电图（EEG）和眼动追踪信号增强微博关键词抽取（AKE），发现EEG特征带来最大性能提升，两种信号部分互补但存在冗余。

Journal ref IPM, 2024

RECTOR: Masked Region-Channel-Temporal Modeling for Affective and Cognitive Representation Learning

RECTOR：面向情感与认知表征学习的掩码区域-通道-时间建模

Jinhan Liu, Mahsa Shoaran

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 提出RECTOR自监督框架，通过自适应功能分区和掩码拓扑学习，统一建模EEG/sEEG的区域-通道-时间动态，在情感识别和任务参与分类上达到新最优，且对缺失通道和跨导联泛化鲁棒。

Structure-Preserving Correction Learning for Sparse Bayesian Inference in Brain Source Imaging

脑源成像中稀疏贝叶斯推断的结构保持校正学习

Marco Morik, Xiao Ruiting, Shinichi Nakajima, Stefan Haufe, Ismail Huseynov

机构 * Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所（BIFOLD）） ； Technische Universität Berlin（柏林技术大学） ； RIKEN Center for Advanced Intelligence Project (AIP)（理化学研究所先进智能项目中心（AIP）） ； Physikalisch-Technische Bundesanstalt（物理技术联邦机构） ； Charité – Universitätsmedizin Berlin（柏林夏里特大学医学院） 纠错

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

AI总结 提出一种结构保持的校正学习方法，通过展开经典联合超参数求解器为可训练神经网络，在保留贝叶斯结构的同时学习更新机制，提升M/EEG脑源成像的重建性能和收敛性。

Comments preprint

Efficient EEG Seizure Detection Using INT8 Quantization, Channel Pruning, and Spiking Neural Networks

使用 INT8 量化、通道剪枝和脉冲神经网络进行高效脑电癫痫检测

Kartikey Ahlawat

机构 * Leiden Institute of Advanced Computer Science（莱顿先进计算机科学研究所） ； Leiden University（莱顿大学） 纠错

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

AI总结 研究针对可穿戴和植入设备检测癫痫的难题，以一维卷积神经网络为基线，采用参数转移、通道剪枝、INT8 量化三种策略，实现减少模型大小、降低能耗、加快速度，为癫痫检测提供互补效率方向。

Sleep EEG Signal Criticality as a Non-Invasive Predictor of Cognitive Decline in Dementia

睡眠脑电信号临界性作为痴呆认知衰退的非侵入性预测指标

Stanisław Narębski, Tomasz Komendziński, Tomasz M. Rutkowski

机构 * Institute of Cybernetics and Human Informatics, Polish Academy of Sciences（波兰科学院信息学与人类科学研究所） 纠错

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

AI总结 研究通过多重分形去趋势波动分析量化睡眠脑电信号临界性，发现认知健康者更接近最优临界状态，痴呆组DFA指数向1.0偏移，表明睡眠中无标度神经动力学重组先于临床症状，可作为早期筛查工具。

Comments 4 pages, 2 figures, accepted for publication in the Proc. 48th Annu. Int. Conf. IEEE EMBS (EMBC 2026), Toronto, Canada, July 20-24, 2026

Journal ref 48th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). Toronto, Canada: IEEE Press; 2026. p. 5607-10

Testing the limits of past-adapted explanations by post-endpoint randomisation: anticipatory EEG as a worked case

通过端点后随机化测试适配过去的解释的极限：以预期脑电图为例

George Sopasakis, Alexandros Sopasakis

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

AI总结 本研究提出Level II-A框架，以合成脑电图数据为案例，通过端点后随机化测试适配过去的解释的极限，将“过去解释”转化为可检验的量级限定主张。

Comments Perspective article. 90 pages, 6 figures, 15 tables; includes Supplementary Information. No human EEG data are analysed. Synthetic benchmark and reproducible software are available at https://github.com/geosop/LEVEL-IIA and https://doi.org/10.5281/zenodo.21887583

Bayesian Feature Extraction using Gaussian and Diffused-gamma Priors for High Dimensional Spatio-Temporal Data

使用高斯和扩散伽马先验对高维时空数据进行贝叶斯特征提取

Garrett Frady, Dipak K. Dey, Shariq Mohammed

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 针对含稀疏结构及时空依赖性的高维数据，开发贝叶斯特征提取框架，采用高斯和扩散伽马先验诱导结构化稀疏，经MCMC计算后验，引入两阶段提取过程，以EEG案例研究验证，提升了稀疏特征恢复及可解释性，广泛适用于相关高维结构化问题。

What Does the Brain See? Multiview Neural Representations to Demystify the Brain-Visual Alignment

大脑看到了什么？多视角神经表征揭示大脑-视觉对齐

Salini Yadav, Taveena Lotey, Pravendra Singh, Partha Pratim Roy

机构 * Department of CSE IIT Roorkee（印度理工学院鲁尔基分校计算机科学与工程系） ； Department of CSE IIT (ISM) Dhanbad（印度理工学院(印度矿业学院)丹巴德分校计算机科学与工程系） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出多视角EEG表示学习框架，联合建模时域、频域和空间结构，通过对比学习对齐视觉语义，在THINGS-EEG基准上实现SOTA零样本分类。

QDSV: A Semantic Problem Representation and Multi-Backend Execution Framework for Quantum-Oriented Computation

QDSV：面向量子计算的语义问题表示与多后端执行框架

Jaime Alexander Jimenez Lozano, Sebastian Jimenez Giraldo

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出QDSV框架，通过语义表示分离问题规范与后端实现，支持非电路形式的执行模式，并在EEG分类案例中验证了跨模拟器和硬件的稳定执行。

Comments 12 pages, 1 figure, 6 tables

E-MagDiP: Electro-Magnetic based Differential Privacy for EEG based Community Sensing

E-MagDiP：基于电磁的差分隐私用于基于脑电图的社区感知

Ayanga Imesha Kumari Kalupahana, Vishruti Ranjan, Li-Shiuan Peh

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

AI总结 研究基于脑电图的社区感知中的隐私问题，提出E-MagDiP框架，利用外部无线电发射射频信号到脑电图耳机，在采集时扰动信号引入差分隐私噪声，无需用户修改，实现实用的脑电图社区感知差分隐私。

Predicting the Outcome of rTMS Depression Therapy using EEG Signals and CNN

使用脑电图信号和卷积神经网络预测重复经颅磁刺激治疗抑郁症的结果

Wael Korani, Md Fahimul Kabir Chowdhury, Sadam AlQadi, Priyan Malarvizhi kumar, Reza Rostami, Reza Kazemi

机构 * University of North Texas（北德克萨斯大学） ； University of Tehran（德黑兰大学） 纠错

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

AI总结 研究利用FBSE - ED和DWT两种时频方法生成脑电图信号图像，提出深度学习分类器预测rTMS抑郁症治疗结果，经实验验证该方法准确率高，优于多种模型，能促进早期预测和临床决策，且框架具有可解释性和高效性。

Comments Presented at 8th International Conference on Recent Trends in Image Processing & Pattern Recognition (RTIP2R)

PeakFlow: Peak-Guided Coarse-to-Refined Modeling for EEG-Based Dynamic Affective Trajectory Prediction

PeakFlow：基于脑电图的动态情感轨迹预测的峰值引导粗到精建模

Hao Tang, Songyun Xie, Xinzhou Xie, Can Liao, Xin Zhang, Bohan Li, Zhongyu Tian, Dalu Zheng

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

AI总结 研究基于脑电图的动态情感轨迹预测问题，提出PeakFlow框架，先通过脑电图时间标记化等学习粗略情感流，再用轻量级残差细化器校准，提升了全局轨迹拟合和峰值中心时间可靠性，突出峰值感知建模的重要性。

Comments Preprint. Code is available at https://github.com/jukebox333/PeakFlow

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。