脑机接口 / BCI

Brain-Aligned Multi-Stream Video Transformers with Sparse Self-Selection

具有稀疏自选择的脑对齐多流视频变换器

Amir Hosein Fadaei, Mahyar Maleki, Mohammad-Reza A. Dehaqani

机构 * University of Tehran（德黑兰大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对现代视频变换器忽视灵长类视觉原理及缺乏神经数据评估的问题，提出含稀疏胜者全得令牌选择模块的脑对齐多流视频变换器，经实验其在精度与推理时间上表现优且鲁棒性强，脑模型相关性高，优于基线。

Comments 23 pages, 11 figures

TVGL-CFM:Generating and Forecasting Time-Varying Trajectories of Dynamic Networks with Conditional Flow Matching

TVGL-CFM：通过条件流匹配生成和预测动态网络的时变轨迹

Om Roy, Yashar Moshfeghi, Keith Malcolm Smith

机构 * University of Strathclyde（斯特拉斯克莱德大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对脑网络等随时间变化的复杂系统，提出TVGL-CFM模型，通过对数欧几里得图和条件流匹配，可生成和预测时变网络轨迹，在多数据集上表现优于原始信号基线，直接生成结构化精度轨迹更可靠。

Linear Independent Component Analysis via Optimal Transport

通过最优传输进行线性独立成分分析

Ashutosh Jha, Michel Besserve, Simon Buchholz

机构 * University of Tübingen（图宾根大学） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所） ； Institute of Artificial Intelligence TU Braunschweig（布伦瑞克工业大学人工智能研究所） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究如何从线性混合信号中恢复独立源信号，提出用平方瓦瑟斯坦距离衡量非高斯性，基于此构建OT - ICA算法，实验表明该算法在不同分布上优于传统方法，且可用于无分布假设的应用ICA任务。

Reading the Eyes in VR: Multimodal Modeling of Social Intelligence

在虚拟现实中解读眼神：社会智能的多模态建模

Mohammad Fahim Abrar, Shayla Sharmin, Roghayeh Leila Barmaki

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 研究通过在 Unity 中为桌面和 VR 实现 RMET 并进行 2x2 混合研究，探究呈现媒介和反馈对 RMET 行为的影响。结果表明即时反馈影响注视和脑电，呈现媒介无客观差异，VR 可用性高，为 RMET 在受控环境作过程感知评估任务提供证据。

Graph Bispectrum for Nonlinear Mode Interactions

用于非线性模式相互作用的图双谱

Rahul Singh, Reza Abiri, Walter Besio

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在刻画图信号高阶相互作用，基于图傅里叶系数三阶矩定义图双谱张量及图双相干度量，建立相关性质，通过合成信号与脑电图实验验证其能检测非线性依赖，为图信号高阶分析提供可解释且高效的工具。

Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS-ANS Dynamics

全睡眠：一种通过中枢神经系统-自主神经系统动态分层对比学习的睡眠基础模型

Zhoujie Hou, Song Wang, Kexin Lou, Mo Wang, Chen Wei, Quanying Liu

机构 * Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； Omni-Intelligence（全知智能） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 介绍全睡眠模型，利用CNS/ANS划分，通过分层对比学习的三个目标进行拓扑约束表示学习，在多中心多模态PSG数据预训练后用于睡眠分期和多疾病分类，性能优于基线，凸显生理层次对睡眠表示学习的价值。

SPIDER -- Stitched Power-spectra for Inferring Directed information flow from incomplete and asynchronous Experimental Recordings

SPIDER -- 从不完整且异步的实验记录中推断有向信息流的拼接功率谱方法

Yisi S. Zhang, Daniel Y. Takahashi

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出SPIDER框架，利用频谱拼接和矩阵补全从异步、不完整的多区域记录中恢复有向信息流，通过模拟和神经数据验证，揭示了脑区间theta频带的前馈层级结构。

An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students

人工智能辅助学习模式对高中生的探索性行为与脑电图研究

Kashika Khurana, Ally Liew

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过行为指标和脑电图数据，比较三种AI交互模式（导师、协作者、求解器）对高中生认知参与和问题解决行为的影响，发现不同模式下行为存在显著差异，脑电模式虽未达统计显著但值得进一步探索。

Comments 16 pages, 11 figures

Using Biometrics to Understand AI-Assisted Coding Performance and its Perception

使用生物特征理解AI辅助编程性能及其感知

Paolo Burelli, Fabio Calefato, Daniela Grassi, Mihaela Yurieva Hristova, Nicole Novielli, Alberto Antonio, Romano, Paolo Tell

机构 * IT University of Copenhagen（丹麦技术大学） ； University of Bari（巴里大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图、眼动追踪等生物特征数据，发现AI辅助编程与无辅助编程在认知过程上存在显著差异，且主观感知与客观测量不一致。

Comments Stage 2 RR under review at EMSE. The accepted Stage 1 protocol is publicly archived on OSF (DOI: 10.31219/osf.io/mex39_v2)

A dual-system approach for epilepsy diagnosis: integrating mamba-Bi-LSTM architecture with SHAP-based verification

一种双系统癫痫诊断方法：融合Mamba-Bi-LSTM架构与基于SHAP的验证

Mufeng Chen, Jia Xie, Fuchang Luo, Quansheng Ren

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 提出双系统智能诊断框架，主判别系统结合Mamba与Bi-LSTM实现高精度，验证系统通过SHAP提供可解释性，准确率从92.6%提升至98.7%。

Comments 18 pages, 11 figures, 16 tables

Journal ref Biomedical Engineering Advances 11 (2026) 100218

Learned proposals in trans-dimensional inference are optimal at equilibrium, not during assembly

跨维推断中的学习型提议在平衡态时最优，而非在构建过程中

Argyro Sasli, Nikolaos Karnesis, Minas Karamanis, Michael L. Katz, Dimitrios Kourtesis, Michael W. Coughlin, Vuk Mandic, Nikolaos Stergioulas

专题命中 EEG解码 ：EEG(abstract)

AI总结 该研究揭示跨维推断中学习型提议在平衡态最优，通过实验验证其加速模型阶数混合的效果，开发了开源工具HyperWave，可跨领域应用于源计数与信号重建。

Comments 23 pages, 5 figures, 2 tables

AdaptICA: Data-Adaptive Transformation Learning for Independent Component Analysis

AdaptICA：用于独立成分分析的数据自适应变换学习

Lida Jalili, Jingyu Liu, Vince D. Calhoun, Li-Hsiang Lin

专题命中 EEG解码 ：EEG(abstract)

AI总结 针对标准ICA在处理非线性预处理特征时假设不成立的问题，提出AdaptICA框架，通过轮廓互信息准则联合学习变换与去混合结构，建立相关理论结果，经模拟和应用验证，能自适应选择变换结构，兼具恢复更多独立可解释源及保留标准ICA的优势。

Comments 35 pages, 3 figures

Cauchy-Paul wavelet transforms revisited: A framework for intermittent non-sinusoidal oscillations

重新审视柯西 - 保罗小波变换：间歇性非正弦振荡的框架

P. Argoul, J. Taillard, F. Argoul

专题命中 EEG解码 ：EEG(abstract)

AI总结 该研究重新审视柯西 - 保罗小波变换，为间歇性非正弦振荡建立新框架。通过引入特征时间尺度确保维度一致，分析其频谱特性，并用基于相位的代数估计器等方法跟踪脑电图信号，在合成及真实记录上验证，成功分离解码睡眠纺锤波非正弦特征。

Inferring Non-Normal Amplification Geometry from Multivariate Time Series

从多元时间序列推断非正态放大几何结构

V. R. Saiprasad, V. Troude, D. Sornette

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究多元时间序列中渐近稳定动力学的非正态放大几何结构，提出非正态方向响应推断方法，通过估计局部线性算子投影到二维子空间，用特征值分裂等总结动力学，能从有限数据恢复结构，应用于多种记录揭示相关变化。

Comments 35 pages, 17 figures

Introducing entropy measures to PK/PD models in propofol anesthesia as a replacement of BIS

将熵测度引入丙泊酚麻醉的PK/PD模型以替代脑电双频指数

Alexander Edthofer, Christina Huber, Fabrizio Renzaglia, Andreas Körner

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究旨在寻找替代脑电双频指数（BIS）监测麻醉深度的指标，提出用置换熵（PeEn）和差分熵（EoD）两种基于熵的脑电图测量方法，通过与PK/PD模型生成的模拟BIS值比较评估性能，结果显示二者性能与模拟BIS相当，或可有效监测麻醉深度。

Comments 9 pages, 4 figures, submitted to the 12th Federation of European Simulation Societies Conference (Eurosim 2026)

Contextual Semantic Relevance and Word Surprisal Predict N400 and P600 Dynamics During Naturalistic Reading

语义整合和词汇预期塑造自然阅读过程中的N400和P600动态

Kun Sun, Rong Wang

机构 * Tongji University（同济大学） ； University of Tuebingen（图宾根大学） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究借助语料库，通过回归分析等测试语境语义相关性和词惊喜度对脑电活动的预测，发现二者与脑电反应相关但模式有别，语境语义相关性在P600窗口解释力强，表明自然阅读依赖二者，其提供了话语语义与脑电动态的计算联系。

Self-Consistent Closure of Fractal Dimension, Nonextensive Statistics, and Non-Markovian Dynamics in Critical Systems

临界系统中分形维数、非广延统计和非马尔可夫动力学的自洽闭合

O. Sotolongo-Costa, J. Weberszpil, M. E. Mora-Ramos

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文通过相空间自洽性推导出分形维数D、Tsallis指数q和记忆指数α之间的代数闭合关系α=D/(2D-1)及q=1+1/D，并在八个实验系统中验证了其普适性。

Comments 3 pages, 2 columns, 1 figure

Self-Supervised Consistency Enhanced Disentangled Learning for Neural Decoding Generalization in Brain-Machine Interface

用于脑机接口神经解码泛化的自监督一致性增强解缠学习

Jiyu Wei, Di Hong, Zhanjie Zhang, Dazhong Rong, Qinming He, Yueming Wang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanhu Brain-Computer Interface Institute（南湖脑机接口研究院） 纠错

专题命中 神经信号处理 ：neural decoding(title,abstract)；neural signal(abstract)；分类 eess.SP、cs.HC、cs.RO

AI总结 研究脑机接口因神经漂移致性能下降问题，提出自监督一致性增强解缠学习框架（SSCDL）。通过设计一致性增强神经解码器及采用互补解缠泛化机制，学习鲁棒表征，实现跨日泛化，提升解码性能，展现长期交互潜力。

International Transfer of Stochastic Cortical Self-Reconstruction

随机皮质自重建的国际迁移

Fabian Bongratz, Zhizheng Zhuo, Chao Zhang, Yaou Liu, Dennis M. Hedderich, Christian Wachinger

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； TUM Klinikum（慕尼黑工业大学医院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Beijing Tiantan Hospital（北京天坛医院） ； Capital Medical University（首都医科大学） 纠错

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

AI总结 本研究探究SCSR模型从UKB数据到中国人群数据集的迁移能力，对比四种训练策略及两种主干模型，发现微调后的SUNet模型判别性能最优，且SCSR对中国人群皮质萎缩检测稳健、跨人群迁移性强。

Test-Time Adaptation of Spiking Neural Networks for Intracortical Neural Decoding using Membrane Potential Alignment

基于膜电位对齐的脉冲神经网络测试时自适应用于皮层内神经解码

Guangzhi Tang

专题命中 神经信号处理 ：neural decoding(title)；brain-computer interface(abstract)；neural signal(abstract)

AI总结 提出膜电位对齐（MPA）方法，通过KL散度匹配膜电位分布，仅更新低秩（LoRA）权重（<9%参数），实现脉冲神经网络测试时自适应，在非人灵长类任务中性能媲美NoMAD，且架构更简单、时间分辨率更高（4 ms vs 20 ms）。

Comments Accepted at ICANN 2026

A Bayes-Markov Neuromorphic Model of Cortical Orientation Selectivity: A Computational Re-implementation and Quantitative Simulation Study

皮层方向选择性的贝叶斯-马尔可夫神经形态模型：计算重实现与定量模拟研究

Abolfazl Moslemi, Milad Sarabadani, Fatemeh Sefidian, Hossein Peyvandi

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

AI总结 本文重实现Shirazi的贝叶斯-马尔可夫神经形态模型，通过定量模拟验证其可产生尖锐方向选择性等核心行为，还添加脉冲式SCI层实现并完成相关评估。

Comments 24 pages. Computational neuroscience; orientation selectivity; neuromorphic modeling

Harnessing cortical geometry, wiring, and function as inductive biases for recurrent neural networks

利用皮层几何、连接和功能作为循环神经网络的归纳偏置

Mo Shakiba, Rana Rokni, Mohammad Mohammadi, Nima Dehghani

机构 * Neuromatch Academy, Neuromatch, Inc., USA（Neuromatch学院，Neuromatch公司，美国） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（麦戈文脑科学研究所，麻省理工学院（MIT）） 纠错

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

AI总结 本研究利用MICrONS项目数据，通过神经元空间坐标、解剖连接和功能关系初始化循环权重并施加空间约束，构建生物基础循环神经网络，在认知决策任务中优于基线模型，并发展出低熵、模块化和小世界组织。

Stimulus-Evoked Network Dynamics in Human Cortical Organoids: From a Graph-Computational Framework to Repeated-Stimulation Depression

人类皮质类器官中刺激诱发的网络动力学：从图计算框架到重复刺激抑制

Esmaeil S. Nadimi, Vinay C. Gogineni, Jan-Matthias Braun, Martin Røssel Larsen, Victoria Blanes-Vidal, Helle Bogetofte Barnkob

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

AI总结 本研究开发图计算框架分析人类皮质类器官刺激诱发的网络动力学，发现重复刺激可抑制并空间收缩诱发反应，且该效应可与发育成熟区分开。

DBNN: Neural Spike Classification Using a Deep Binarized Neural Network

DBNN：使用深度二值化神经网络进行神经尖峰分类

Binyi Ren, Luca M. Meyer, Majid Zamani

机构 * The School of Electronics and Computer Science (ECS), University of Southampton（电子与计算机科学学院（ECS），南安普顿大学） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究针对可植入脑机接口的神经尖峰分类问题，提出基于深度二值化神经网络（DBNN）的尖峰排序系统，该系统含特定结构层，处理紧凑波形，降低成本，在合成和体内数据集上准确率达98.7%，硬件成本低且无乘法器操作，适用于低功耗可植入神经接口。

Comments Paper under review

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Short-Term Precision and Least Significant Change of 3D-DXA Cortical and Trabecular Proximal Femur Measurements Across Hologic DXA Scanner Models

3D-DXA 测量的股骨近端皮质骨和小梁骨在不同 Hologic DXA 扫描仪模型中的短期精度和最小显著变化

Asier Muñoz, Thomas L. Nickolas, Laurent Maïmoun, Polyzois Makras, Jorge Malouf, Xavier Nogués, Ludovic Humbert

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对不同 Hologic DXA 扫描仪模型，通过重复采集数据，评估 3D-DXA 参数的短期精度及最小显著变化，得出不同参数的 LSC 值范围，其精度误差在各数据集间有适度变化，结果有助于解释相关骨密度纵向变化。

Imaging of ultrasound specularity at cortical bone interfaces to detect unbalanced remodeling: A preliminary study

皮质骨界面超声镜面反射成像用于检测不平衡重塑的初步研究

Amadou S. Dia, Salomé Vignat, Guillaume Renaud, Quentin Grimal

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究旨在通过分析皮质骨界面超声反射，结合信号处理与波束形成技术重建镜面反射图，检测不平衡重塑。发现镜面反射与骨微观结构相关，孔隙体积分数和孔径都与镜面反射密切相关，有望成为识别皮质骨退化的敏感标志物。

Journal ref Ultrasonics, Volume 168, 2026, 108213, ISSN 0041-624X

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。

Open-source MRI-informed computational model of human cortical folding

人类皮质折叠的开源磁共振成像信息计算模型

Anne Kerachni, Thomas Lavigne, Stéphane Urcun, Mireia Alenya, Oscar Camara, Julien Lefèvre François Rousseau

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对人类皮质折叠问题，利用开源代码FEniCS开发计算模型，构建模块化、可解释且可扩展的模拟框架，结合胎儿MRI数据模拟折叠，估计参数并优化预测，助力理解皮质折叠及相关疾病。

Comments 33 pages, 17 figures

Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios

合成病灶MR图像在低数据场景下自动局灶性皮质发育不良检测中的影响

Prabhjot Kaur, Hakim Ouaalam, Sedat Kandemirli, Sanjay P. Prabhu, Simon K. Warfield

机构 * Computational Radiology Laboratory（计算放射学实验室） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究通过条件生成网络合成FCD病灶MRI数据，评估其真实性及对自动检测的影响，发现合成数据可减少约20%标注需求，但真实数据仍更有效。