脑机接口 / BCI

Real-Time Non-Invasive Imaging and Detection of Spreading Depolarizations through EEG: An Ultra-Light Explainable Deep Learning Approach

实时非侵入式成像与检测扩散性去极化通过EEG：一种超轻量可解释深度学习方法

Yinzhe Wu, Sharon Jewell, Xiaodan Xing, Yang Nan, Anthony J. Strong, Guang Yang, Martyn G. Boutelle

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

AI总结 本文提出一种超轻量多模态深度学习网络，通过融合EEG频谱图像和时间功率向量，提升单电极上的扩散性去极化检测精度，实现低密度EEG下的高效检测。

DeepTokenEEG Enhancing Mild Cognitive Impairment and Alzheimers Classification via Tokenized EEG Features

基于分词EEG的轻量级高性能模型用于轻度认知障碍和阿尔茨海默病分类

Thinh Nguyen-Quang, Minh Long Ngo, Ngoc-Son Nguyen, Nguyen Thanh Vinh, Huy-Dung Han, Bui Thanh Tung, Nguyen Quang Linh, Khuong Vo, Manoj Vishwanath, Hung Cao

机构 * Hanoi University of Science and Technology（河内科学与技术大学） ； VNU University of Engineering and Technology（越南工程与技术大学） ； Central Military Hospital 108（第108中心军医院） ； University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文提出DeepTokenEEG模型，通过分词EEG特征提升AD分类精度，实现100%准确率，比现有方法提升1.41-15.35%。

SCOPE: Structured Prototype-Guided Adaptation for EEG Foundation Models with Limited Labels

SCOPE：结构化原型引导适应EEG基础模型以有限标签

Jingying Ma, Feng Wu, Yucheng Xing, Qika Lin, Tianyu Liu, Chenyu Liu, Ziyu Jia, Mengling Feng

机构 * Saw Swee Hock School of Public Health, National University of Singapore（新加坡国立大学 Saw Swee Hock 公共卫生学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Guangzhou Research Translation and Innovation Institute, National University of Singapore（新加坡国立大学广州研究翻译与创新研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Beijing Key Laboratory of Brainnetome and Brain-Computer Interface, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络与脑机接口重点实验室） ； Brainnetome Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络中心） 纠错

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

AI总结 针对有限标签下EEG基础模型适应难题，提出SCOPE框架，通过外部监督和原型引导提升模型鲁棒性与效率，实验显示在多种任务和比例下均表现优异。

CodeBrain: Bridging Decoupled Tokenizer and Multi-Scale Architecture for EEG Foundation Model

CodeBrain: 桥接解耦分词器与多尺度架构的EEG基础模型

Jingying Ma, Feng Wu, Qika Lin, Yucheng Xing, Chenyu Liu, Ziyu Jia, Mengling Feng

机构 * Saw Swee Hock School of Public Health, National University of Singapore（新加坡国立大学 Saw Swee Hock 公共卫生学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Guangzhou Research Translation and Innovation Institute, National University of Singapore（新加坡国立大学广州研究翻译与创新研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Beijing Key Laboratory of Brainnetome and Brain-Computer Interface, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络与脑机接口重点实验室） ； Brainnetome Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络中心） 纠错

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

AI总结 CodeBrain通过解耦分词器和多尺度架构提升EEG基础模型的表示能力，实现对大脑活动的高效捕捉与可解释性。

Comments Published as a conference paper at the International Conference on Learning Representations (ICLR 2026)

Fatigue-Related Reaction Time Forecasting via EEG Functional Connectivity in Sustained Attention Task

基于EEG功能连接的疲劳相关反应时间预测

Bo Sun, Liang Ma

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

AI总结 本文提出利用EEG功能连接特征预测反应时间，通过随机森林模型在持续注意任务中实现提前20秒的疲劳预警，验证了该方法在安全关键系统中的可行性。

Comments 12 pages, 5 figures, 3 tables

DLink: Distilling Layer-wise and Dominant Knowledge from EEG Foundation Models

DLink：从EEG基础模型中蒸馏分层和主导知识

Jingyuan Wang, Zhihao Jia, Chenyu Liu, Xinliang Zhou, Haoran Luo, Ziyu Jia, Yong Li, Fang Li, Junfeng Yao, Yi Ding

机构 * Xiamen University（厦门大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Southeast University（东南大学） 纠错

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

AI总结 DLink通过输入条件化层路由和频谱引导蒸馏，有效蒸馏EEG基础模型知识，提升紧凑学生模型性能，减少参数和计算量。

Human brain state classification via permutation entropy of EEG phase dynamics across consciousness levels and inattentive-type ADHD

通过EEG相动态的排列熵对人类脑状态进行分类：在意识水平和注意力不集中的ADHD中

Athokpam Langlen Chanu, Youngjai Park, Jaesung Choi, Younghwa Cha, UnCheol Lee, Joon-Young Moon, Jong-Min Park

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

AI总结 本文利用排列熵分析EEG信号，探讨不同脑状态的区分性。通过EEG相动态的主模态量化紊乱，发现意识、注意力不集中型ADHD和闭眼状态的排列熵均值较低且标准差较大，表明排列熵在脑状态分类中具有有效性，但对注意力不集中型ADHD的识别存在局限。

Comments 18 pages, Accepted for publication in Chaos, Solitons and Fractals

Making Conformal Predictors Robust in Healthcare Settings: a Case Study on EEG Classification

在医疗环境中使符合预测器更加稳健：EEG分类的案例研究

Arjun Chatterjee, Sayeed Sajjad Razin, John Wu, Siddhartha Laghuvarapu, Jathurshan Pradeepkumar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； PyHealth ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） 纠错

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

AI总结 本文评估了多种符合预测方法在EEG癫痫分类中的表现，发现个性化校准策略可提升覆盖度20%以上，同时保持预测集大小相近。

Comments Accepted to the International Conference on Artificial Intelligence in Medicine 2026

Multi-Source Neural Activity Indices for EEG/MEG Localization: A Two-Stage Spatial Filtering Framework and Extension to MNE-Python

多源神经活动指数用于EEG/MEG定位：一种两阶段空间滤波框架及其对MNE-Python的扩展

Julia Jurkowska, Joanna Dreszer, Monika Lewandowska, Krzysztof Tołpa, Tomasz Piotrowski

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

AI总结 本文提出一种两阶段空间滤波框架，通过多源神经活动指数实现EEG/MEG源定位，无需目标源协方差矩阵，适用于实际实验场景，且提供开源实现。

Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction

基于扩散增强的任务引导时空网络用于基于EEG的痴呆症诊断和MMSE预测

Xiaoyu Zheng, Xu Tian, Bin Jiao, Kunbo Cui, Hanhe Lin, Lu Shen, Jin Liu

机构 * Hunan Provincial Key Lab on Bioinformatics, School of Computer Science and Engineering, Central South University（湖南生物信息省重点实验室，计算机科学与工程学院，中南大学） ； Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of Software, Xinjiang University（新疆大数据与智能软件工程研究中心，软件学院，新疆大学） ； School of Science and Engineering, University of Dundee（科学与工程学院，邓迪大学） ； Department of Neurology, Xiangya Hospital, Central South University（神经内科，湘雅医院，中南大学） 纠错

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

AI总结 本文提出任务引导时空网络，通过多频段特征融合模块和扩散增强模块，提升EEG数据中痴呆症诊断和MMSE预测的准确性与鲁棒性。

Channel Adaptation for EEG Foundation Models: A Systematic Benchmark Across Architectures, Tasks, and Training Regimes

EEG基础模型的通道适应：跨架构、任务和训练模式的系统性基准测试

Kuntal Kokate, Bruno Aristimunha, Dung Truong, Arnaud Delorme

机构 * Swartz Center for Computational Neuroscience, Institute for Neural Computation, University of California San Diego（斯瓦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） ； Yneuro ； Centre de Recherche Cerveau et Cognition, CNRS, Université Paul Sabatier（脑与认知研究中心，法国国家科学研究中心，保罗·萨巴蒂埃大学） 纠错

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

AI总结 本文系统比较了四种通道适应方法在不同EEG基础模型、任务和训练模式中的表现，发现灵活模型在微调时需外部方法辅助，且5M参数CBraMod在4/5数据集上超越更大模型。

MLE-Toolbox: An Open-Source Toolbox for Comprehensive EEG and MEG Data Analysis

MLE-Toolbox：用于全面EEG和MEG数据分析的开源工具箱

Xiaobo Liu

机构 * McConnell Brain Imaging Centre, Montreal Neurological Institute, McGill University（麦金尼脑成像中心、蒙特利尔神经研究所、麦吉尔大学） 纠错

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

AI总结 MLE-Toolbox提供了一个统一的图形界面，整合了EEG和MEG数据从原始导入到机器学习分类的全流程分析，支持自动化去噪、多源定位、频谱分析及深度学习分类，具备与Brainstorm等平台的互操作性。

EEGDM: Learning EEG Representation with Latent Diffusion Model

EEGDM: 通过潜在扩散模型学习EEG表示

Shaocong Wang, Tong Liu, Yihan Li, Ming Li, Kairui Wen, Pei Yang, Wenqi Ji, Minjing Yu, Yong-Jin Liu

机构 * Tsinghua University（清华大学） ； Tianjin University（天津大学） 纠错

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

AI总结 EEGDM提出一种基于潜在扩散模型的自监督框架，通过生成EEG信号来捕捉全局动态和长程依赖，实现高质量的EEG信号重建和鲁棒表示学习。

A new fast approach for an EEG-based Motor Imagery BCI classification

Mohammad Ali Amirabadi

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

EEG-EditBench: Probing Visual Information in EEG-Image Retrieval Models with Controlled Image Edits

EEG-EditBench：通过可控图像编辑探测EEG-图像检索模型中的视觉信息

Kaifan Zhang, Lihuo He, Yuqi Ji, Junjie Ke, Lukun Wu, Tianhao You, Xinbo Gao

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 该研究针对EEG-图像检索模型无法揭示支撑匹配的视觉信息这一问题，构建EEG-EditBench诊断基准，评估8个代表性模型，发现细粒度属性变化是最大挑战，为相关研究提供可控基础。

Comments Main paper with supplementary material. Code: https://github.com/XiaoZhangYES/EEG-EditBench. Dataset: https://huggingface.co/datasets/xiaozgg/EEG-EditBench

Graph-Based Learning of Spectro-Topographical EEG Representations with Gradient Alignment for Brain-Computer Interfaces

基于图的学习的光谱-地形EEG表示学习与梯度对齐用于脑机接口

Prithila Angkan, Amin Jalali, Paul Hungler, Ali Etemad

机构 * Ingenuity Labs Research Institute（Ingenuity Labs研究机构） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Chemical Engineering（化学工程系） 纠错

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

AI总结 本文提出GEEGA方法，通过图卷积网络融合多领域信息并结合梯度对齐策略，提升脑机接口中EEG表示的类间分离度。

A Real-Time BCI for Stroke Hand Rehabilitation Using Latent EEG Features from Healthy Subjects

F. M. Omar, A. M. Omar, K. H. Eyada, M. Rabie, M. A. Kamel, A. M. Azab

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

Comments Proceedings of the 7th Novel Intelligent and Leading Emerging Sciences Conference (NILES 2025)

Investigating the Impact of Rational Dilated Wavelet Transform on Motor Imagery EEG Decoding with Deep Learning Models

Marco Siino, Giuseppe Bonomo, Rosario Sorbello, Ilenia Tinnirello

机构 * Department of Electrical, Electronic and Computer Engineering (DIEEI), University of Catania, 95123 Catania, Italy（意大利卡塔尼亚大学电气、电子与计算机工程系） ； Department of Engineering, University of Palermo, 90128 Palermo, Italy（意大利巴勒莫大学工程系） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；motor imagery(title,abstract)；BCI(abstract)；分类 cs.LG、cs.HC

EEG-based AI-BCI Wheelchair Advancement: A Brain-Computer Interfacing Wheelchair System Using Deep Learning Approach

Biplov Paneru, Bishwash Paneru, Bipul Thapa, Khem Narayan Poudyal

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

Comments The paper contains the outdated data as well as incoconsistent results. Much work is required for its revision and republishing

EEG-Based Auditory BCI for Communication in a Completely Locked-In Patient Using Volitional Frequency Band Modulation

Deland Liu, Frigyes Samuel Racz, Zoe Lalji, Jose del R. Millan

专题命中 EEG解码 ：BCI(title,abstract)；EEG(title,abstract)；brain-computer interface(abstract)；分类 q-bio.NC、cs.HC

Sub-Scalp EEG for Sensorimotor Brain-Computer Interface

Timothy B Mahoney, David B Grayden, Sam E John

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

Comments 43 Pages, 9 Figures, 3 Tables

A Comparative Study of Conventional and Tripolar EEG for High-Performance Reach-to-Grasp BCI Systems

Ali Rabiee, Sima Ghafoori, Anna Cetera, Maryam Norouzi, Walter Besio, Reza Abiri

机构 * Department of Electrical, Computer, and Biomedical Engineering, University of Rhode Island（电气、计算机与生物医学工程系，罗德岛大学） ； Department of Mechanical Engineering, University of Rhode Island（机械工程系，罗德岛大学） 纠错

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

Comments Removed the IEEE Transactions on Biomedical Engineering masthead/logo that was included in the previous version by mistake

User Identity Protection in EEG-based Brain-Computer Interfaces

L. Meng, X. Jiang, J. Huang, W. Li, H. Luo, D. Wu

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

Journal ref IEEE Trans. on Neural Systems and Rehabilitation Engineering, 31:3576-3586, 2023

Protecting Multiple Types of Privacy Simultaneously in EEG-based Brain-Computer Interfaces

Lubin Meng, Xue Jiang, Tianwang Jia, Dongrui Wu

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

Journal ref IEEE Int'l Conf. on Systems, Man and Cybernetics, Sarawak, Malaysia, October 2024

Optimizing Brain-Computer Interface Performance: Advancing EEG Signals Channel Selection through Regularized CSP and SPEA II Multi-Objective Optimization

M. Moein Esfahani, Hossein Sadati, Vince D Calhoun

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

EEG_GLT-Net: Optimising EEG Graphs for Real-time Motor Imagery Signals Classification

Htoo Wai Aung, Jiao Jiao Li, Yang An, Steven W. Su

专题命中 EEG解码 ：EEG(title,abstract)；motor imagery(title,abstract)；brain-computer interface(abstract)；分类 eess.SP、cs.LG

Classification of Emerging Neural Activity from Planning to Grasp Execution using a Novel EEG-Based BCI Platform

Anna Cetera, Ali Rabiee, Sima Ghafoori, Reza Abiri

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

Comments 4 pages, 4 figures, 1 table, conference paper

Prediction of Human Empathy based on EEG Cortical Asymmetry

Andrea Kuijt, Maryam Alimardani

专题命中 EEG解码 ：EEG(title,abstract)；cortical(title,abstract)；brain-computer interface(abstract)；分类 q-bio.NC、cs.HC

Comments Accepted in the 1st IEEE International Conference on Human-Machine Systems

Multi-Scale Neural network for EEG Representation Learning in BCI

Wonjun Ko, Eunjin Jeon, Seungwoo Jeong, Heung-Il Suk

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

Comments 11 pages, 7 figures

EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications

Xiaotong Gu, Zehong Cao, Alireza Jolfaei, Peng Xu, Dongrui Wu, Tzyy-Ping Jung, Chin-Teng Lin

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

Comments Submitting to IEEE/ACM Transactions on Computational Biology and Bioinformatics