脑机接口 / BCI

DIVER-1: Scaling Intracranial EEG Foundation Models for Transferable Representations

DIVER-1: 扩展颅内脑电图基础模型以实现可迁移表示

Danny Dongyeop Han, Yonghyeon Gwon, Ahhyun Lucy Lee, Taeyang Lee, Seong Jin Lee, Jubin Choi, Sebin Lee, Jihyun Bang, Seungju Lee, David Keetae Park, Shinjae Yoo, Chun Kee Chung, Jiook Cha

机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） 纠错

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

AI总结 提出DIVER-1自监督iEEG基础模型，通过可变电极-时间注意力、时空重采样等设计处理可变输入，在5310小时ECoG和SEEG上预训练，在认知解码和癫痫检测任务上超越现有模型，并首次进行受控计算感知的扩展研究。

Comments 31 pages, 12 figures, 14tables

Impact of Validation Strategy on Machine Learning Performance in EEG-Based Alcoholism Classification

验证策略对基于EEG的酒精成瘾分类机器学习性能的影响

Tahir Cetin Akinci, Yuksel Celik, Omer Faruk Ertugrul

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

AI总结 本文研究了验证策略对EEG酒精成瘾分类性能的影响，通过对比不同验证方法发现传统验证方法存在乐观偏差，AdaBoost方法表现最优，具有高准确率和平衡的灵敏度与特异度。

How Long short-term memory artificial neural network, synthetic data, and fine-tuning improve the classification of raw EEG data

长短时记忆人工神经网络、合成数据和微调如何提高原始EEG数据的分类

Albert Nasybullin, Vladimir Maksimenko, Semen Kurkin

机构 * Laboratory of Data Analysis ； Bioinformatics, Center for Artificial Intelligence, Innopolis University Innopolis, Russia ； Cognitive Technology Laboratory, Center for Technologies in Robotics ； Mechatronics Components, Innopolis University Innopolis, Russia 纠错

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

AI总结 本文提出结合合成数据生成、LSTM和微调的方法，提升隐含视觉刺激（如不同模糊层次的Necker立方体）下EEG数据分类性能。

Comments 4 pages, 4 figures, 2 tables

Journal ref 2022 6th Scientific School Dynamics of Complex Networks and their Applications (DCNA)

Convolutional Neural Network and Adversarial Autoencoder in EEG images classification

卷积神经网络与对抗自编码器在EEG图像分类中的应用

Albert Nasybullin, Semen Kurkin

机构 * Innopolis University（因诺波利斯大学） 纠错

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

AI总结 本文结合计算机视觉与神经网络方法，用于手部运动期间大脑活动的分类。通过预处理EEG信号生成2DEEG图谱，并采用监督和半监督神经网络进行分类。

Comments 4 pages, 6 figures

Journal ref Proc. 5th Scientific School on Dynamics of Complex Networks and their Application in Intellectual Robotics (DCNAIR), 2021

Phase estimation with autoregressive padding (PEAP): addressing inaccuracies and biases in EEG analysis

带有自回归填充的相位估计（PEAP）：解决EEG分析中的不准确性和偏差

Miriam Kirchhoff, Johanna Rösch, Maria Ermolova, Oskari Ahola, Sarah Harders, Juliana Hougland, Ulf Ziemann

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

AI总结 本文提出PEAP方法以提高EEG数据边缘相位估计的准确性，通过对比四种常用方法发现PEAP在减少带通滤波器伪影方面表现更优，提升了相位估计的准确性。

Optimizing EEG Graph Structure for Seizure Detection: An Information Bottleneck and Self-Supervised Learning Approach

优化EEG图结构用于癫痫检测：信息瓶颈与自监督学习方法

Lincan Li, Rikuto Kotoge, Xihao Piao, Zheng Chen, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） ； The University of Osaka（大阪大学） 纠错

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

AI总结 本文提出IRENE方法，通过信息瓶颈原理和自监督学习优化EEG图结构，解决癫痫检测中的噪声、稀疏标签和患者差异问题，提升模型性能。

Comments Accepted by IEEE 14th International Conference on Healthcare Informatics (ICHI)

Energy Landscapes of Emotion: Quantifying Brain Network Stability During Happy and Sad Face Processing Using EEG-Based Hopfield Energy

情绪的能量景观：利用基于EEG的Hopfield能量量化快乐和悲伤面孔处理期间大脑网络的稳定性

Barry Djibrina, Jiajia Li

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

AI总结 本研究通过EEG数据和Hopfield能量模型，量化了快乐和悲伤情绪处理中大脑网络的动态稳定性，发现悲伤情绪在alpha频段能量更低，与全局效率呈负相关，表明情绪价值对应于大脑功能景观中的不同吸引盆地。

Comments 10 pages, 5 figures

Preventing Data Leakage in EEG-Based Survival Prediction: A Two-Stage Embedding and Transformer Framework

防止EEG基生存预测中的数据泄露：一种两阶段嵌入和Transformer框架

Yixin Zhou, Zhixiang Liu, Vladimir I. Zadorozhny, Jonathan Elmer

机构 * University of Pittsburgh School of Computing and Information（匹兹堡大学计算与信息学院） ； University of Pittsburgh Department of Critical Care Medicine（匹兹堡大学重症医学系） 纠错

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

AI总结 本文提出两阶段框架以防止EEG生存预测中的数据泄露，通过严格隔离训练集提升模型泛化能力。

Comments 9 pages, 2 figures. Preliminary version

BCMI-Driven Motion Control Detection: EEG-Based Machine Learning and Interaction Entropy for High-Order Brain Networks

基于BCMI的运动控制检测：基于EEG的机器学习与交互熵用于高阶脑网络

Jiajia Li, Fan Li, Jian Song

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

AI总结 本文研究音乐辅助模拟驾驶中认知运动控制检测及神经调节机制，利用EEG交叉信息熵构建动态高阶网络模型，揭示音乐听和驾驶时脑网络动态协调，发现音乐刺激驾驶中高阶连接性和信息熵增强，证明高阶特征在解码音乐模拟驾驶中脑运动控制状态的重要性。

Comments 13 pages, 8 figures

Fronto-parietal and fronto-temporal EEG coherence as predictive neuromarkers of transcutaneous auricular vagus nerve stimulation response in treatment-resistant schizophrenia: A machine learning study

额顶和额颞EEG相干性作为经皮耳部迷走神经刺激反应的预测神经生物标记物：一项机器学习研究

Yapeng Cui, Ruoxi Yun, Shumin Zhang, Yi Gong, Zhiqin Li, Ying Chen, Mingbing Su, Dongniya Wu, Jingxia Wu, Qian Wang, Jianan Wang, Qianqian Tian, Yangyang Yuan, Shuhao Mei, Lei Wu, Xinghua Li, Bingkui Zhang, Taipin Guo, Jinbo Sun

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

AI总结 本研究利用机器学习开发EEG预测模型，探索经皮耳部迷走神经刺激对治疗抵抗型精神分裂症负性症状的预测神经机制。

Comments This manuscript has been submitted to the Journal of Psychiatric Research. This is a preprint version uploaded to arXiv for open access. The manuscript has not been peer-reviewed or formally published. It contains 34 pages and 3 figures

MVGT: A Multi-view Graph Transformer Based on Spatial Relations for EEG Emotion Recognition

MVGT：一种基于空间关系的多视图图变换器用于EEG情感识别

Yanjie Cui, Xiaohong Liu, Jing Liang, Yamin Fu

机构 * School of Computer Science (National Pilot Software Engineering School)（计算机学院（国家试点软件工程学院）） 纠错

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

AI总结 本文提出MVGT模型，通过整合时间动态、频率特征和通道关系，提升EEG情感识别的性能和表征能力。

Comments Accepted by ICONIP 2025 (Oral). 16 pages, 5 figures

Group Resonance Network: Learnable Prototypes and Multi-Subject Resonance for EEG Emotion Recognition

群体共振网络：可学习原型与多受试共振用于EEG情绪识别

Renwei Meng

机构 * Anhui University（安徽大学） 纠错

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

AI总结 GRN通过结合个体EEG动态与群体共振建模，提升EEG情绪识别的跨受试性能，利用可学习原型和多受试共振机制实现更准确的分类。

Comments 12 pages, 5 figures

Design and Quantitative Evaluation of an Embedded EEG Instrumentation Platform for Real-Time SSVEP Decoding

基于ESP32-S3微控制器和ADS1299模拟前端的嵌入式EEG仪器平台的设计与定量评估

Manh-Dat Nguyen, Thomas Do, Nguyen Thanh Trung Le, Xuan-The Tran, Fred Chang, Chin-Teng Lin

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

AI总结 本文提出了一种基于ESP32-S3和ADS1299的嵌入式EEG平台，实现了实时SSVEP解码，并通过定量评估展示了其高精度和稳定性。

Task-Oriented Learning for Automatic EEG Denoising

面向任务的学习用于自动EEG去噪

Tian-Yu Xiang, Zheng Lei, Xiao-Hu Zhou, Xiao-Liang Xie, Shi-Qi Liu, Mei-Jiang Gui, Hong-Yun Ou, Xin-Zheng Huang, Xin-Yi Fu, Zeng-Guang Hou

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

AI总结 本文提出了一种无需干净参考信号的面向任务学习框架，通过任务标签驱动EEG去噪，提升了任务性能和信号质量指标。

Journal ref IEEE Trans. Instrum. Meas., vol. 75, Art. no. 4005015, pp. 1-15, 2026

Standing on the Shoulders of Giants: Rethinking EEG Foundation Model Pretraining via Multi-Teacher Distillation

站在巨人肩膀上：通过多教师蒸馏重新思考EEG基础模型预训练

Chenqi Li, Yu Liu, Shuo Zhang, Timothy Denison, Tingting Zhu

机构 * Department of Engineering Science, University of Oxford（工程科学系，牛津大学） 纠错

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

AI总结 本文提出MTDP框架，通过多教师蒸馏预训练EEG基础模型，提升模型性能并减少预训练数据需求。

Performance of Conventional EEG Biomarkers Across Different Clinical Phases of Major Depressive Disorder: A Comprehensive Evaluation

传统EEG生物标记物在重度抑郁障碍不同临床阶段中的表现：一项全面评估

Feng Yan, Xuteng Wang, Shuyu Yang, Yue Zhao, Xiaobin Wong, Zhiren Wang

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

AI总结 本研究评估了传统EEG生物标记物在重度抑郁障碍不同临床阶段的表现，发现其单调性不足，揭示了群体特征提取的局限性，并为开发更有效的神经生物学标记物提供了方向。

Comments 74 subjects, 3 groups, 3 conditions

PRISM: Exploring Heterogeneous Pretrained EEG Foundation Model Transfer to Clinical Differential Diagnosis

PRISM：探索异构预训练EEG基础模型迁移至临床鉴别诊断

Jeet Bandhu Lahiri, Parshva Runwal, Arvasu Kulkarni, Mahir Jain, Aditya Ray Mishra, Siddharth Panwar, Sandeep Singh

机构 * Indian Institute of Technology Mandi, India（印度理工学院曼迪分校） ； NeuroDx, India（NeuroDx） 纠错

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

AI总结 PRISM通过异构预训练EEG模型在临床鉴别诊断中表现优异，证明多样性优于规模，揭示评估因素对模型排名的影响。

Comments 14 pages, 1 figure, 5 tables

Lightweight Transformer for EEG Classification via Balanced Signed Graph Algorithm Unrolling

基于平衡符号图展开的轻量级变换器用于EEG分类

Junyi Yao, Parham Eftekhar, Gene Cheung, Xujin Chris Liu, Yao Wang, Wei Hu

机构 * Peking University（北京大学） ； York University（约克大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出基于平衡符号图展开的轻量级变换器，用于高效分类EEG信号，通过频谱去噪算法实现低通滤波，减少参数量同时保持分类性能。

Comments Accepted by ICLR2026, 10 pages, 2 figures

Human-Centered Multimodal Fusion for Sexism Detection in Memes with Eye-Tracking, Heart Rate, and EEG Signals

以人类为中心的多模态融合用于表情包中性别歧视检测：结合眼动追踪、心率和EEG信号

Iván Arcos, Paolo Rosso, Elena Gomis-Vicent

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

AI总结 本文提出了一种结合眼动追踪、心率和EEG信号的多模态融合模型，用于更准确地检测表情包中的性别歧视。

Comments Accepted to appear in the Proceedings of LREC 2026

Explainable Interictal Epileptiform Discharge Detection Method Based on Scalp EEG and Retrieval-Augmented Generation

基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法

Yu Zhu, Jiayang Guo, Jun Jiang, Peipei Gu, Xin Shu, Duo Chen

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

AI总结 本文提出了一种基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法，通过双编码器和对比学习提升诊断性能和临床可解释性。

Bridging the Compression-Precision Paradox: A Hybrid Architecture for Clinical EEG Report Generation with Guaranteed Measurement Accuracy

弥合压缩-精度悖论：一种用于临床EEG报告生成的混合架构，保证测量精度

Wuyang Zhang, Zhen Luo, Chuqiao Gu, Jianming Ma, Yebo Cao, Wangming Yuan, Yinzhi Jin

机构 * Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本研究提出了一种混合架构，通过信号处理和跨模态翻译实现临床EEG报告生成，保证测量精度，减少误报并提升检测速度。

Comments 7 pages

E2CAR: An Efficient 2D-CNN Framework for Real-Time EEG Artifact Removal on Edge Devices

E2CAR: 一种高效的2D-CNN框架用于边缘设备上的实时EEG伪影去除

Haoliang Liu, Chengkun Cai, Xu Zhao, Lei Li

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

AI总结 E2CAR通过将1D CNN替换为2D CNN，实现边缘设备上EEG伪影去除的高效处理，推理时间减少90%，功耗降低18.98%

Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG

改进的TSception用于从EEG分析驾驶员困倦和心理负荷

Gourav Siddhad, Anurag Singh, Rajkumar Saini, Partha Pratim Roy

机构 * Department of Computer Science and Engineering, Indian Institute of Technology, Roorkee, Uttarakhand, 247667, India（计算机科学与工程系，印度理工学院，罗尔基，乌塔兰德，印度） ； Department of Computer Science and Engineering, OP Jindal University, Raigarh, Chhattisgarh, 496109, India（计算机科学与工程系，OP金达尔大学，拉里加，恰特内格尔，印度） ； Department of Computer Science, Electrical and Space Engineering, Luleå Tekniska Universitet, Luleå, 97187, Sweden（计算机科学、电气与航天工程系，卢勒奥技术大学，卢勒奥，瑞典） ； Department of Computer Science and Engineering, Indian Institute of Technology, Dhanbad, Jharkhand, 826007, India（计算机科学与工程系，印度理工学院，丹巴德，贾坎德，印度） 纠错

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

AI总结 本研究提出改进的TSception架构，通过五层层次时间细化策略和两阶段融合机制，提升EEG数据中驾驶员困倦和心理负荷检测的准确性和稳定性。

Comments 8 Pages, 4 Figures, 1 Table

Physiology as Language: Translating Respiration to Sleep EEG

生理学作为语言：将呼吸转化为睡眠EEG

Kaiwen Zha, Chao Li, Hao He, Peng Cao, Tianhong Li, Ali Mirzazadeh, Ellen Zhang, Jong Woo Lee, Yoon Kim, Dina Katabi

机构 * MIT Computer Science \& Artificial Intelligence Laboratory ； Women’s Hospital, Harvard Medical School 纠错

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

AI总结 本文提出了一种从呼吸信号合成睡眠EEG的跨生理翻译框架，实现了EEG重建及下游任务的高精度表现，展示了远程非接触神经评估的可行性。

Comments Tech report

EEG-based Graph-guided Domain Adaptation for Robust Cross-Session Emotion Recognition

基于EEG的图引导域适应用于鲁棒跨会话情绪识别

Maryam Mirzaei, Farzaneh Shayegh, Hamed Narimani

机构 * Department of Electrical ； Computer Engineering Isfahan University of Technology, Isfahan, Iran 纠错

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

AI总结 本文提出EGDA框架，通过图引导域适应和图正则化，实现鲁棒的跨会话情绪识别，实验显示在SEED-IV数据集上取得高准确率并超越基线方法。

Comments 10 pages, 7 figures

Numerical Twin with Two Dimensional Ornstein--Uhlenbeck Processes of Transient Oscillations in EEG signal

具有二维奥恩斯坦-乌尔赫内克过程的EEG信号瞬态振荡数值双胞胎

P. O. Michel, C. Sun, S. Jaffard, D. Longrois, D. Holcman

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

AI总结 本文提出了一种基于二维奥恩斯坦-乌尔赫内克过程的数值双胞胎框架，用于EEG信号中瞬态振荡的分析与实时跟踪。

Comments 11

MindCine: Multimodal EEG-to-Video Reconstruction with Large-Scale Pretrained Models

MindCine: 基于大规模预训练模型的多模态EEG到视频重建

Tian-Yi Zhou, Xuan-Hao Liu, Bao-Liang Lu, Wei-Long Zheng

机构 * School of Computer Science, Shanghai Jiao Tong University, 800 Dongchuan Road, Shanghai, China（计算机科学学院，上海交通大学） 纠错

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

AI总结 MindCine通过多模态联合学习和预训练大型EEG模型，实现有限数据下的高保真EEG到视频重建。

Exploring EEG-driven brain-heart coupling across sleep stages in individuals with sleep disorders

探索睡眠障碍个体在不同睡眠阶段中的脑心耦合

Jathushan Kaetheeswaran, Jenny Wei

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

AI总结 本研究探讨了睡眠障碍个体在不同睡眠阶段中脑驱动的心脏活动，发现神经活动对副交感活动有影响，可能通过调节关键EEG频段恢复心脏行为。

EEG-DLite: Dataset Distillation for Efficient Large EEG Model Training

EEG-DLite: 用于高效大规模EEG模型训练的数据蒸馏

Yuting Tang, Weibang Jiang, Shanglin Li, Yong Li, Chenyu Liu, Xinliang Zhou, Yi Ding, Cuntai Guan

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

AI总结 EEG-DLite通过数据蒸馏技术提升大规模EEG模型训练效率，实现高效且有效的生理基础建模。

Comments Accepted by AAAI-2026

Neural Tracking of Sustained Attention, Attention Switching, and Natural Conversation in Audiovisual Environments using Mobile EEG

使用移动EEG进行神经追踪：持续注意力、注意力切换和自然对话在音频视觉环境中的研究

Johanna Wilroth, Oskar Keding, Martin A. Skoglund, Maria Sandsten, Martin Enqvist, Emina Alickovic

机构 * Dept. of Electrical Engineering, Linköping University（电子工程系，利厄普堡大学） ； Centre for Mathematical Sciences, Lund University（数学科学中心，卢德大学） ； Eriksholm Research Centre, Oticon A/S（埃里克霍姆研究中心，Oticon A/S） 纠错

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

AI总结 本研究利用移动EEG技术，通过新型数据集研究音频视觉环境中持续注意力、注意力切换和自然对话的神经追踪，揭示了多说话人处理的复杂性及选择性注意力的分类性能。

Comments Submitted to European Journal of Neuroscience