脑机接口 / BCI

Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity

重力感知：变重力环境下人类意识的深度学习模型与LLM模拟

Bakytzhan Alibekov, Alina Gutoreva, Elisa Raffaella-Ferre

机构 * School of IT & Engineering, Kazakh-British Technical University（信息技术与工程学院，哈萨克-英国技术大学） ； School of Psychological Sciences, Birkbeck University of London（心理学科学学院，伦敦伯贝克大学） 纠错

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

AI总结 提出一个计算框架，结合轻量级MLP神经网络（CorticalG）和高斯过程模型（PhysioG）预测变重力下的脑电与生理反应，并用LLM模拟主观体验，为航天任务中的人类适应提供预测工具。

Comments 60 pages, 5 figures, 2 datasets, 1 protocol

Dynamic cross-scale wavelet coherence

动态跨尺度小波相干性

Haibo Wu, Marina I. Knight, Hernando Ombao

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出一种新统计方法，首次实现功能脑网络中通道间局部相互作用的跨振荡特征描述，通过引入跨尺度依赖的CS-MvLSW模型，准确估计局部单尺度和跨尺度通道依赖性，并在ADHD儿童EEG数据中发现新的临床相关跨尺度相互作用。

Comments 82 pages

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

Dealing with State Estimation in Fractional-Order Systems under Artifacts

在存在伪影情况下处理分数阶系统的状态估计

Sarthak Chatterjee, Sérgio Pequito

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文研究了在传感器测量中存在伪影时，如何估计离散时间分数阶动态系统的状态，提出了保证在存在伪影时能够恢复系统状态的必要和充分条件，并提供了一种状态估计算法，最后用真实EEG数据展示了主要结果。

Comments Preprint submitted to ACC 2019

How do Humans Process AI-generated Hallucination Contents: a Neuroimaging Study

人类如何处理AI生成的幻觉内容：一项神经影像学研究

Shuqi Zhu, Yi Zhong, Ziyi Ye, Bangde Du, Yujia Zhou, Qingyao Ai, Yiqun Liu

机构 * Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） ； Institute of Trustworthy Embodied AI, Fudan University, Shanghai, China（复旦大学可信具身人工智能研究院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 通过EEG实验，研究人类在处理多模态大语言模型生成的幻觉与非幻觉内容时的神经动力学差异，揭示误判的幻觉内容未能触发标准神经认知事实验证通路。

Neural Visual Decoding via Cognitive guided Adaptive Blurring and Information Constrained Alignment

通过认知引导的自适应模糊和信息受限对齐实现神经视觉解码

Fan Yin, Chuhang Zheng, Peiliang Gong, Donghai Guan, Qi Zhu

机构 * Department of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； Department of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

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

AI总结 本文提出CAIA框架，通过认知引导的自适应模糊和信息受限对齐，提升神经信号与视觉语义的映射精度，改进零样本脑-图像检索的Top-1和Top-5准确率。

Benchmarking ERP Analysis: Manual Features, Deep Learning, and Foundation Models

ERP分析基准测试：手动特征、深度学习与基础模型

Yihe Wang, Zhiqiao Kang, Bohan Chen, Yu Zhang, Xiang Zhang

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文系统比较了传统手动特征、深度学习模型和预训练EEG基础模型在ERP分析中的表现，评估了12个数据集上的ERP刺激分类和脑疾病检测任务，探讨了Transformer架构中的嵌入策略。

Comments Accepted by IEEE Transactions on Biomedical Engineering (TBME 2026). Copyright has been transferred to IEEE

Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding

Hamza Amrani, Daniela Micucci, Paolo Napoletano

专题命中 EEG解码 ：BCI(abstract)；brain-computer interface(abstract)；EEG(abstract)；分类 eess.SP、cs.LG、cs.HC

Comments 12 pages, 5 figures, preprint

A Self-Consistent Field Solution for Robust Common Spatial Pattern Analysis

Dong Min Roh, Zhaojun Bai

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

Short-length SSVEP data extension by a novel generative adversarial networks based framework

Yudong Pan, Ning Li, Yangsong Zhang, Peng Xu, Dezhong Yao

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

Comments 16 pages, 9 figures, 4 tables

Decoding visual brain representations from electroencephalography through Knowledge Distillation and latent diffusion models

Matteo Ferrante, Tommaso Boccato, Stefano Bargione, Nicola Toschi

专题命中 EEG解码 ：brain-computer interface(abstract)；EEG(abstract)；neural signal(abstract)；分类 q-bio.NC、eess.SP、cs.LG

Adversarial Feature Learning in Brain Interfacing: An Experimental Study on Eliminating Drowsiness Effects

Ozan Ozdenizci, Barry Oken, Tab Memmott, Melanie Fried-Oken, Deniz Erdogmus

专题命中 EEG解码 ：brain-computer interface(abstract,comments)；BCI(abstract)；EEG(abstract)；分类 cs.LG、cs.HC

Comments 8th Graz Brain-Computer Interface Conference 2019

Variational Mixture of Graph Neural Experts for Alzheimer's Disease Recognition across Frequency Bands in EEG Brain Networks

用于跨脑电图脑网络频段的阿尔茨海默病识别的变分图神经专家混合模型

Jun-En Ding, Anna Zilverstand, Shihao Yang, Albert Chih-Chieh Yang, Feng Liu

机构 * Department of Industrial and Systems Engineering, Rutgers University（鲁特大学工业与系统工程系） ； Department of Psychiatry and Behavioral Sciences, University of Minnesota（明尼苏达大学精神病学与行为科学系） ； Institute of Brain Science, College of Medicine, National Yang-Ming Chiao Tung University（国家阳明交通大学医学院脑科学研究所） 纠错

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

AI总结 针对痴呆症脑电图诊断难题，提出VMoGE框架，结合多频段脑电图分析、变分图神经网络和专家混合架构。实验显示其性能强大，还具有临床转化价值，能关联疾病指标、揭示频段变化，为痴呆症诊断提供新方法和依据。

Learning aligned EEG representations with subject-specific encoders

学习带有主体特定编码器的对齐脑电图表示

Bruna J. Lopes, Gabriel Schwartz, Sylvain Chevallier, Raphael Y. de Camargo, Bruno Aristimunha

机构 * University of São Paulo（圣保罗大学） ； Université Paris-Saclay, Inria TAU team, LISN-CNRS（巴黎萨克雷大学，Inria TAU团队，LISN-CNRS） ； Institut de neuromodulation, GHU Paris, psychiatrie et neurosciences, centre hospitalier Sainte-Anne, pôle hospitalo-universitaire 15, Université Paris Cité（神经调控研究所，GHU巴黎，精神病学与神经科学，圣安娜医院，大学医院中心15区，巴黎西岱大学） ； Federal University of ABC (UFABC)（ABC联邦大学） ； Yneuro ； Swartz Center for Computational Neuroscience (SCCN), Institute for Neural Computation (INC), University of California San Diego（斯沃茨计算神经科学中心，神经计算研究所，加州大学圣地亚哥分校） 纠错

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

AI总结 提出使用主体特定编码器替代共享编码器，结合共同分类器实现跨主体脑电图对齐，实验表明该方法能内化欧几里得对齐的作用，提高类别区分度，并识别出未见主体的编码器选择是主要瓶颈。

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。

Multimodal EEG-IMU Fusion for Motor Assessment: Leveraging Task-Dependent Complementarity for Robustness

用于运动评估的多模态脑电-惯性测量单元融合：利用任务相关互补性提高鲁棒性

Zhenan Yin, Lalitha Pranathi Pulavarthy, Saptarshi Purkayastha

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

AI总结 研究针对运动障碍评估中多传感模式整合不足问题，通过同步记录脑电-惯性测量单元数据，评估特定任务模态性能和多模态融合。结果表明脑电和惯性测量单元各有优势，后期融合可利用互补性提高评估可靠性，为大规模临床验证提供依据。

Variational Phasor Circuits for Phase-Native Brain-Computer Interface Classification

变分相量电路用于相位本征脑机接口分类

Dibakar Sigdel

机构 * Mindverse Computing LLC 纠错

专题命中 EEG解码 ：brain-computer interface(title)；EEG(abstract)；分类 cs.LG

AI总结 本文提出变分相量电路（VPC），一种基于连续S¹单位圆流形的确定性经典学习架构，通过相位本征设计实现二分类和多分类任务，展示其在脑机接口中优于传统欧几里得基线的性能。

NeuroOnline: Bridging Pretraining and Online Adaptation for EEG Foundation Models

NeuroOnline：为脑电图基础模型搭建预训练与在线适应的桥梁

Weibin Li, Wendu Li, Yushan You, Chen Wei, Quanying Liu

机构 * Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 研究脑电图基础模型，提出NeuroOnline框架，集成多视图一致性学习和上下文感知表示调制机制，统一表示对齐和动态适应，实验表明其在在线设置中性能优于基线。

I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals

I²RiMA: 基于脑电图信号的心理压力检测的谱黎曼表示与时序注意力

Cheng He, Kunyu Peng, Shangen Han, Jinming Ma, Jinhong Ding, Likun Xia

机构 * Laboratory of Neural Computing and Intelligent Perception, College of Information Engineering, Capital Normal University（首都师范大学信息工程学院神经计算与智能感知实验室） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； School of Psychology, Capital Normal University（首都师范大学心理学院） 纠错

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

AI总结 提出I²RiMA网络，通过频点独立构建协方差矩阵并映射到SPD切空间，结合频率聚类和切片间注意力，实现跨被试脑电压力检测，在三个数据集上达到82.78%平衡精度。

Low-Density EEG for Seizure Detection: Evaluating CNN-RNN Architectures on a Behind-the-Ear Montage Setup

低密度脑电图用于癫痫检测：评估耳后导联设置下的CNN-RNN架构

Annika Stiehl, Patrick Wingert, Nicolas Weeger, Nicole Ille, Christian Uhl, Stefan Geißelsöder

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

AI总结 本研究使用CNN-RNN混合深度学习模型，在模拟耳后导联的低密度脑电图上实现癫痫自动检测，提出CNN-Merged模型，在TUSZ数据集上达到85.89%的ROC AUC和79.11%的平衡准确率，验证了低密度配置下鲁棒检测的可行性。

Comments Accepted to the 34th European Signal Processing Conference (EUSIPCO 2026)

SpaTeoGL: Spatiotemporal Graph Learning for Interpretable Seizure Onset Zone Analysis from Intracranial EEG

SpaTeoGL: 用于颅内脑电图可解释癫痫发作起始区分析的时空图学习

Elham Rostami, Aref Einizade, Taous-Meriem Laleg-Kirati

机构 * Inria Saclay（Inria萨克莱实验室） ； Palaiseau, France（法国帕莱伊索） 纠错

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

AI总结 提出SpaTeoGL框架，通过联合学习窗口级空间图和时间图，在平滑图信号处理框架下交替求解，实现癫痫发作起始区的可解释定位，在多中心iEEG数据集上优于基线方法。

Comments 5 pages, 4 figures

A Mixed Finite Element Method to Solve the EEG Forward Problem

一种混合有限元方法用于求解脑电图前向问题

Johannes Vorwerk, Christian Engwer, Sampsa Pursiainen, Carsten H. Wolters

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

AI总结 本文提出一种基于混合有限元方法的新型方法，用于求解脑电图前向问题，该方法通过引入电流作为额外未知数，实现电流守恒，从而在特定场景下提高模拟精度。

Journal ref IEEE Trans Med Imaging. 2017; 36(4):930-941

Home Automation Using SSVEP & Eye-Blink Detection Based Brain-Computer Interface

基于SSVEP与眨眼检测的脑机接口家庭自动化系统

Kratarth Goel, Raunaq Vohra, Anant Kamath, Veeky Baths

专题命中 EEG解码 ：brain-computer interface(title)；brain computer interface(abstract)；分类 cs.HC

AI总结 本文提出一种利用SSVEP和眨眼检测的脑机接口家庭自动化系统，结合蓝牙室内定位技术，提升可控制设备数量。

Comments 2 pages, 1 table, published at IEEE SMC 2014

Routing on the Stiefel Manifold: When Does Adaptive Subspace Selection Help for Cross-Domain EEG Decoding?

Stiefel流形上的路由：自适应子空间选择何时有助于跨域脑电解码？

Isabella Costa Maia, Pedro L. C. Rodrigues, Salem Said, Marco Congedo

机构 * GIPSA-lab, University Grenoble Alpes, CNRS, Grenoble-INP（GIPSA实验室，格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔-INP） ； Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学，法国国家信息与自动化研究所，法国国家科学研究中心，格勒诺布尔-INP，LJK） ； Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔-INP，LJK） 纠错

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

AI总结 针对跨域脑电解码中协方差矩阵域偏移问题，提出动态Stiefel路由方法，通过Stiefel流形上的专家投影滤波器池和交叉注意力机制实现自适应子空间选择，并引入三种结构性质避免退化为集成平均，在三个数据集上取得一致提升。

Comparing Post-Hoc Explainable AI Methods for Interpreting Black-Box EEG Models in Depression Detection

比较事后可解释AI方法用于解释抑郁症检测中的黑盒脑电图模型

Antonia Šarčević, Nikolina Frid

机构 * University of Zagreb Faculty of Electrical Engineering and Computing（Zagreb大学电子工程与计算学院） 纠错

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

AI总结 本研究通过多种事后可解释性方法（如DeepSHAP、集成梯度、GradCAM、遮挡和置换特征重要性）分析InceptionTime架构在脑电图抑郁症检测中的决策过程，发现不同方法在额叶、颞叶和后部脑区（尤其是右半球）的归因模式部分收敛，但方法间存在差异，强调了事后可解释性的有用性和局限性。

Why Meditation Wearables Fail: Reward Misspecification in Closed-Loop EEG and Biofeedback Systems

为什么冥想可穿戴设备失败：闭环脑电图和生物反馈系统中的奖励错误指定

Joy Bose

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

AI总结 本文形式化定义了可穿戴设备中因优化代理信号而非真实目标导致的奖励错误指定问题，分析了三种失败模式，提出了四层可测量性分类法，并设计了一个避免所有失败模式的框架。

Comments 16 pages, 1 figure

GL-LFGNN:A Global-Local Dual-branch Causal Graph Neural Network Based on Liang-Kleeman Information Flow for EEG Emotion Recognition

GL-LFGNN：基于Liang-Kleeman信息流的全局-局部双分支因果图神经网络用于脑电情感识别

Ziyi Wang, Dongyang Kuang

机构 * School of Mathematics (Zhuhai), Sun Yat-sen University, Zhuhai, China（中山大学数学学院（珠海）） 纠错

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

AI总结 提出GL-LFGNN模型，利用Liang-Kleeman信息流理论构建有向因果图，通过全局-局部双分支架构整合全脑与区域连接，在MEEG数据集上以少量参数实现高精度情感识别。

Comments 10 pages, 3 figures