脑机接口 / BCI

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。

Interpretable MEG Decoding of Perceived Speech: Cortical Sources and the Stimulus Features That Drive Retrieval

感知语音的可解释MEG解码：皮层源与驱动检索的刺激特征

Ilia Semenkov, Daria Kleeva, Ivan Dakhtin, Zarina Maksudova, Alex Ossadtchi

机构 * HSE University（高等经济大学） ； ITMO University（ITMO大学） 纠错

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

AI总结 本研究重新设计MEG到音频检索架构，在MEG-MASC数据集上实现39.75±0.34%的Top-1准确率，通过源映射与输入干预明确了驱动语音检索的关键刺激特征。

A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps

来自TRIBE的全局预测fMRI驱动信号无法预测YouTube重播热图

Barada Sahu, Shivesh Pandey

机构 * Cabal AI ； Para AI 纠错

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

AI总结 本研究测试了深度多模态脑编码模型TRIBE预测的fMRI信号是否能预测YouTube视频的重播行为，发现全局场功率与重播热图无显著相关性。

Comments 12 pages, 2 figures. v2: adds equivalence and Bayes-factor bounds, split-half reliability ceiling, a supervised probe with proper position control, a per-input-stream dissociation, and ISC discussion. Code, video-ID manifest, and per-video results: https://github.com/mercurialsolo/tribe-replay-heatmaps

EEGDash: An open-source platform for machine learning on public neurophysiological data

EEGDash: 一个用于公共神经生理数据机器学习的开源平台

Bruno Aristimunha, Aviv Dotan, Pierre Guetschel, Aman Jaiswal, Gal Ashkenazi, Dung Truong, Kuntal Kokate, Amitrava Majumdar, Oren Shriki, Arnaud Delorme

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

AI总结 EEGDash是一个开源平台，收录791个公共神经生理记录，通过元数据优先注册、格式修复和自动标签，支持无需自定义代码的机器学习工作流，促进基准测试和跨数据集分析。

Comments 28 pages, 9 figures, 4 tables. Supplementary material included as an ancillary file. EEG-Dash software: https://eegdash.org

Bio-SFT: Asymmetric Cortical Guidance and Retinal Adaptation for Robust HDR Reconstruction

Bio-SFT：用于稳健 HDR 重建的不对称皮层引导和视网膜适应

Tingyu Cheng, Ting Zhang, Chongyi Li, Zhaoqing Pan, Tiesong Zhao

机构 * College of Physics and Information Engineering, Fuzhou University（福州大学物理与信息工程学院） ； School of Computer Science, Nankai University（南开大学计算机科学学院） ； School 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 神经信号处理 ：cortical(title)

AI总结 研究针对单图像 HDR 重建难题，提出 Bio-SFT 方法，它包含可学习的视网膜适应前端、小细胞 - 大细胞分裂引导及事件驱动的 SNN 硬门控模块，经训练能有效抑制暗区噪声，提高感知质量，减少伪影传播。

An offline approach to fNIRS-guided reinforcement learning for robot behavior

一种用于机器人行为的基于fNIRS引导的强化学习的离线方法

Julia Santaniello, Madelaine Brower, Benson Jiang, Donatello Sassaroli, Robert Jacob, Jivko Sinapov

专题命中 神经信号处理 ：BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结 研究利用fNIRS脑信号调节机器人模拟学习的可行性，比较不同交互任务训练的智能体，测试多种增强强化学习算法的方法，发现该框架能有效利用神经信号增强学习，还可离线学习，为特定场景提供替代方案。

Comments Preliminary results

Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps

量化夹带证据：信息处理通路图的频率主义和贝叶斯方法比较

Kaibo Zhang, Ji Wu, Chao Zhang, Andrew Thwaites

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

AI总结 比较频率主义与贝叶斯方法映射皮层夹带，贝叶斯方法保留核心优势并改变选择标准，通过听觉神经成像数据集评估性能和可解释性，探讨对系统神经科学的影响。

A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

一种具有自适应增量和脉冲频率编码的32通道基于事件的生物信号模拟前端

Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

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

AI总结 本文提出一种用于生物医学信号采集和编码的32通道基于事件的AFE专用集成电路，具有双模编码机制，aADM编码器可实时自适应调整编码数据速率，实现高数据压缩，为脑机接口神经信号自适应无线通信和在线处理提供支持。

Comments Submitted to NeuroPHY 2026 workshop, at the EWSN 2026 conference

Embedded Polygon Symbolic Transfer Entropy (EPSTE): A Geometric Token and Deep Learning Approach to Estimating Transfer Entropy in Neuroimaging Time Series

嵌入多边形符号传递熵 (EPSTE)：一种用于神经影像时间序列传递熵估计的几何令牌与深度学习方法

David Alexander Finnigan

专题命中 神经信号处理 ：EEG(abstract,abstract_cn)

AI总结 提出EPSTE框架，将传递熵估计转化为基于局部时间形态几何符号表示的可学习问题，结合循环神经网络与注意力多实例学习，在MEG数据上实现稳定有向依赖估计。

Comments 45 pages, 13 figures, 2 tables

Neural implants and human safety: single-fault detection for DC-coupled recording front ends

神经植入物与人类安全：直流耦合记录前端的单故障检测

Dimitris Antoniadis, Timothy Constandinou

专题命中 神经信号处理 ：cortical(abstract)；分类 eess.SP、cs.HC

AI总结 本文针对直流耦合神经植入物记录前端的组织安全风险，提出一种基于电流饥饿型弛张振荡器的单故障检测机制，可在规定时间内解析故障并禁用放大器，符合相关安全标准。

Comments Draft IEEE 4 + 1

Recursive Gaussian Processes and the Bayesian Brain

递归高斯过程与贝叶斯大脑

Moumita Das, Dipanjan Ray, Sourabh Bhattacharya

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

AI总结 该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。

Comments What is your thought process? The Bayesian Recursive Gaussian process?

Leveraging unlabelled data for generalizable neural population decoding

利用未标记数据进行可泛化的神经群体解码

Ximeng Mao, Nanda H. Krishna, Avery Hee-Woon Ryoo, Matthew G. Perich, Guillaume Lajoie

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究利用未标记数据进行可泛化神经群体解码的问题，提出MOJO训练框架，联合自监督学习与监督学习目标，在多数据集上评估，结果显示该框架能提升性能、产生更具可解释性表示且可推广到其他神经模态。

Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features

可解释机器学习利用运动校正QSM MRI和多波段多回波fMRI特征预测帕金森病严重程度

Aixa X. Andrade

机构 * Lyda Hill Department of Bioinformatics（Lyda Hill 生物信息学系） ； Department of Biomedical Engineering（生物医学工程系） ； University of Texas Southwestern Medical Center, Dallas, Texas, USA（德克萨斯西南医学中心，德克萨斯州达拉斯） 纠错

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

AI总结 利用可解释机器学习，从QSM和多波段多回波静息态fMRI衍生的ReHo特征预测帕金森病运动严重程度。提取特征进行多模型实验，结果显示不同模型表现及特征贡献，表明结构和功能成像依临床预测目标作用不同。

Comments 16 pages from main manuscript and 17 pages from supplementary information

Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model

发现功能选择性脑区：一种深度地形多模态模型

Badr AlKhamissi, Johannes Mehrer, Lara Marinov, Ahmed Abdelaal, Abdulkadir Gokce, Martin Schrimpf

机构 * University of California, Berkeley（加州大学伯克利分校） ； Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 提出Topo-Omni模型，通过空间平滑微调预训练基础模型，在单一连续虚拟皮层上整合视觉、听觉和语言/认知处理，产生与人类神经影像一致的多模态聚类，并用于发现新脑区。

Comments Preprint. First two author contributed equally

Learning Hybrid Biophysical Neuron Models with Neural ODEs

利用神经常微分方程学习混合生物物理神经元模型

Jonas Beck, Michael Deistler, Dóra Viktória Molnár, Jakob H. Macke, Philipp Berens

机构 * Hertie Institute for AI in Brain Health（人工智能与脑健康赫尔特研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； Machine Learning in Science, Excellence Cluster Machine Learning, University of Tübingen（科学机器学习，机器学习卓越集群，图宾根大学） ； Max Planck Institute for Biological Intelligence, München, Germany（生物智能马克斯·普朗克研究所，慕尼黑，德国） ； Department Empirical Inference, Max Planck Institute for Intelligent Systems, Tübingen, Germany（经验推断部门，智能系统马克斯·普朗克研究所，图宾根，德国） 纠错

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

AI总结 提出混合建模框架，将神经常微分方程嵌入电导基生物物理模型，以捕捉未知电流或错误指定的通道动力学，从电压记录中恢复可解释的门控动力学，并降低计算成本。

Beyond representational alignment with brain-guided language models for robust reasoning

超越表征对齐：基于大脑引导的语言模型实现稳健推理

Mingqing Xiao, Kai Du, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室、智能科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 研究通过fMRI信号增强大型语言模型推理能力，提出脑引导框架，在10个模型上实现最高13%的准确率提升。

From Observation to Intervention: Memory in Brains and Large Language Models

从观察到干预：大脑与大型语言模型中的记忆

Morteza Salehjahromi, Shayan A. Zadegan, Amgad Muneer, Jia Wu

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

AI总结 该研究对比大脑与LLMs的记忆系统，提出可利用LLMs在实验访问上的优势，将记忆相关功能问题转化为更精准的生物学假设，核心是转移实验逻辑而非解剖结构。

Comments Perspective article, 11 pages, 3 figures, 1 table, and 1 key terms box. Submitted for consideration to Nature Machine Intelligence

Perturbation-based Regional Interpretability through Subtraction Mapping (PRISM): naming-error dissociations in language models and post-stroke aphasia

基于减法映射的扰动型区域可解释性方法（PRISM）：语言模型与卒中后失语症中的命名错误分离现象

Xiang Guan, Roger D. Newman-Norlund, Yong Yang, Saeed Ahmadi, Regan Willis, Nadra Salman, Kalil Warren, Srihari Nelakuditi, Chris Rorden, Leonardo Bonilha, Julius Fridriksson

机构 * University of South Carolina（南卡罗来纳大学） ； ALLT.AI, LLC（ALLT.AI有限责任公司） ； USC School of Medicine（南卡罗来纳大学医学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本研究开发PRISM方法，将神经成像减法分析适配至Transformer语言模型，对比模型与213名卒中后失语症患者的命名错误模式，验证了音素偏向性分离等结果，为模型功能专业化提供可证伪的空间分辨率测试工具。

Comments 49 pages, 6 figures, 1 table. Supplementary methods, 6 tables and 5 figures included

Reduced Gibbs free energy supply hinders brain information processing during mental fatigue

吉布斯自由能供应减少阻碍精神疲劳期间的大脑信息处理

Danko D. Georgiev, Oskan B. Tasinov, Danail V. Pavlov, Deyan S. Hrusafov

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

AI总结 该研究通过计算建模发现，精神疲劳时ATP水解供能减少会损害蛋白质α-螺旋的酰胺I激子协同效应，改变神经元电生理特性，削弱大脑信息处理能力，建议智力工作中间歇性恢复以保护健康和生产力。

Comments 21 pages, 4 figures, 1 table

Journal ref Fatigue: Biomedicine, Health & Behavior 2026; 14 (3): 216-233

The Neural Division of Labor: Biologically-Inspired Modular Architectures for Robust Neuromorphic Computing

神经劳动分工：用于鲁棒神经形态计算的生物启发式模块化架构

Maksim Bazhenov, Serafim Grubas, Vakhtang Putkaradze

机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Alberta（阿尔伯塔大学） ； University of Alabama（阿拉巴马大学） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 cs.LG

AI总结 本文提出可分解脉冲神经网络（D-SNN），采用生物启发模块化架构，在减少参数与突触操作的同时，实现鲁棒性与决策透明性，为边缘神经形态计算提供高效方案。

Comments 39 pages, 7 figures

Graph Analysis of Neuronal-Culture Connectivity Derived from a Reservoir-Computing Model

基于储备池计算模型的神经元培养物连接性的图分析

Ilya Auslender, Giorgio Letti, Yasaman Heydari, Lorenzo Pavesi

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

AI总结 本研究基于储备池计算（RC）框架从多通道电生理记录提取神经元培养物的内在连接图谱（ICM），通过图论分析验证了RC连接性推断的有效性，建立了神经元培养物功能网络表征的可扩展数据驱动框架。

From Local Learning to Global Prediction Through Layered Surprise Cascades

通过分层惊喜级联从局部学习到全局预测

Andrew L. Smith, Linxing Preston Jiang, Jason K. Eshraghian, Matthew S. Bull, Stefano Recanatesi

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

AI总结 该研究提出前向-前向算法的循环变体，从局部学习规则产生预测编码关键原则，为神经科学与机器学习搭建新桥梁。

Toward a Dynamical Taxonomy of Insomnia: A Multiaxial Framework for Sleep-State Transitions and Architectural Failure

迈向失眠的动态分类学：睡眠状态转换与结构异常的多轴框架

Alexander Poltorak

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

AI总结 本研究提出多轴动态框架，以失效的动态运作等为候选特征，用于失眠的分类，其可改善交流、分层与预测，框架为现象学组织模型而非新诊断系统。

Comments 28 pages, 3 figures

Persistent homology broadens the controllable subspace in human structural connectomes

持续同调拓宽人类结构连接组中的可控子空间

Carter Sale, Marco Coraggio, Mengsen Zhang, Michael J. Richardson

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

AI总结 该研究提出基于持续拓扑环的驱动节点选择标准，与基于度的标准控制能相近但可控子空间几何更优，能捕捉标量能量遗漏的脑网络控制信息。

Comments 21 pages, 7 figures

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

归一化分裂塑造连续工作记忆的低秩慢流形

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang

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

AI总结 本文提出循环归一化分裂网络（RDNN），通过动力学分析和BPTT梯度分析，证明归一化分裂可使网络形成稳健低秩慢流形，防止时变输入下的流形破碎，是学习高保真连续表示的关键机制。

The Bayesian Reflex: A Predictive Coding Engine for Artificial Intelligence

贝叶斯反射：一种人工智能的预测编码引擎

Sourabh Bhattacharya

机构 * Indian Statistical Institute（印度统计研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 该研究提出贝叶斯反射计算框架，结合预测编码三大支柱，利用近期算法突破实现可扩展的类脑持续学习、感知与决策，通过多领域应用为自适应AI提供蓝图。

Comments From the Bayesian Brain to Artificial Intelligence

Critical Flicker Fusion Frequency As A Falsifiable Boundary Between Plastic And Non-Plastic Neural Systems

临界闪烁融合频率作为可证伪的可塑性与非可塑性神经系统之间的边界

Natalia D. Rydzenska, Pawel J. Winklewski, Michal W. Blaszczyk-Niezgoda, Anna B. Marcinkowska

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

AI总结 本综述提出临界闪烁融合频率（CFFF）可作为可塑性与非可塑性神经系统的可证伪边界，分析其稳定性来源、对不同训练的反应及相关原则，为理解认知系统在感觉约束下的运作提供新视角。

Comments 44 pages, 4 figures, 3 tables in Supplementary Material

NeuroSynth: A Biologically Inspired Continual Reinforcement Learning Architecture for Mitigating Catastrophic Forgetting

NeuroSynth：一种受生物启发的持续强化学习架构，用于缓解灾难性遗忘

Yash Kini

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本研究提出受生物启发的持续强化学习架构NeuroSynth，通过双路径巩固机制缓解灾难性遗忘，实验显示其在多个顺序导航任务中相比PPO、EWC保留更多早期任务知识，改善了持续学习的稳定性-可塑性平衡。

Comments Disclaimer. This manuscript is provided as an arXiv preprint to establish a public record of the NeuroSynth continual reinforcement learning architecture and its evaluation on the NeuroMaze-CL benchmark. This full manuscript has been submitted to the Journal of High School Science for peer review

Synaptic clustering emerges from learning and supports covariance discrimination

突触聚类源于学习并支持协方差辨别

Ilenna Simone Jones, Maceo Richards, Houman Safaai, Elom Amematsro, Bernardo Sabatini

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

AI总结 研究功能性突触簇对计算的因果必要性，通过训练具有分层树突段和稀疏电导突触的人工神经网络Dendrinet解决置换协方差分类任务，发现树突非线性和突触可塑性影响FSCs及性能，表明其可支持协方差结构计算。

Comments 25 pages, 7 figures

Eccentricity-Constrained CNN Training Reveals Adaptive Information Coding Around the Visual Field

偏心率约束的卷积神经网络训练揭示了视野周围的自适应信息编码

Dylan M. Diaz, Margaret M. Henderson

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

AI总结 研究利用VEDB数据，通过对比学习训练ResNet - 18模型，探讨视野偏心率与信息编码关系，发现自我中心经验能自适应约束皮层信息处理，不同偏心率模型在任务表现及与神经数据匹配上有差异。

Comments Proceedings of the Conference on Cognitive Computational Neuroscience 2026; Contributed Talk