BCI: Breast Cancer Immunohistochemical Image Generation through Pyramid Pix2pix
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments Accepted by CVPR2022 Workshop
科学与医疗
脑机接口、EEG、神经信号解码、神经假体和脑控交互。
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments Accepted by CVPR2022 Workshop
专题命中 BCI数据与评测 :cortical(title,abstract)
Comments The two first authors contributed equally. To be published in the proceedings of MICCAI 2021
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments 12 pages
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments 17
Journal ref Journal of the Nigerian Mathematical Society (2019), Vol. 38, Issue 2, 139-155
专题命中 BCI数据与评测 :BCI(title,abstract)
专题命中 BCI数据与评测 :BCI(title,abstract)
Journal ref Fuzzy Sets and Systems 339 (2018) 1-16
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments 30 pages, 1 figure
专题命中 BCI数据与评测 :BCI(title,abstract)
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments Open problems 11.3 (1), (2), (3) were solved. New (20'), (21''), Theorems 2.4,2.6, Cor. 2.5, 5.5 added
专题命中 BCI数据与评测 :BCI(title,abstract)
专题命中 BCI数据与评测 :BCI(title,abstract)
Comments 17 pages, 5 figures
专题命中 BCI数据与评测 :BCI(title,abstract)
专题命中 BCI数据与评测 :BCI(title,abstract)
一个开放获取的多模态数据集用于认知、运动及认知-运动任务
专题命中 BCI数据与评测 :brain-computer interface(abstract);EEG(abstract);motor imagery(abstract);分类 q-bio.NC
AI总结 本文提出一个包含EEG、fNIRS、ECG等多模态数据的开放数据集,用于研究认知与运动任务的交互作用,支持开发先进的预处理方法和分析流程,应用于脑机接口和神经康复等领域。
Comments 15 pages, 6 figures
机构 * School of Computer Science and Technology University of Science and Technology of China(计算机科学与技术学院 中国科学技术大学) ; Microsoft Research Asia(微软亚洲研究院)
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);neural signal(abstract);分类 cs.LG
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);neural signal(abstract);分类 eess.SP
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);EEG(abstract);分类 cs.HC
专题命中 BCI数据与评测 :BCI(abstract);brain computer interface(abstract);EEG(abstract);分类 cs.HC
Comments 21 pages, 11 figures, 1 table. arXiv admin note: substantial text overlap with arXiv:2405.13329
专题命中 BCI数据与评测 :brain-computer interface(abstract);EEG(abstract);motor imagery(abstract);分类 eess.SP
跨物种迁移学习用于皮层GABA能中间神经元的电生理学至转录组映射
专题命中 BCI数据与评测 :cortical(title);分类 q-bio.NC、cs.LG
AI总结 本文通过跨物种迁移学习方法,利用电生理学数据和转录组数据,提高人类GABA能中间神经元亚类预测的准确性。
机构 * School of Computing, Tokyo Institute of Technology(东京技术大学计算机学院)
专题命中 BCI数据与评测 :brain-computer interface(abstract);neural decoding(abstract);分类 q-bio.NC、eess.SP、cs.LG
Journal ref Neural Networks Volume 182 - 2025
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);EEG(abstract)
Comments The result is no longer believeable. Teaching force issue exists in the infer time of LLM
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);分类 q-bio.NC、cs.LG、cs.HC
Comments 27 pages, 7 figures
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);分类 q-bio.NC、eess.SP、cs.LG
专题命中 BCI数据与评测 :BCI(abstract);EEG(abstract);分类 eess.SP、cs.LG、cs.HC
专题命中 BCI数据与评测 :BCI(abstract);brain-computer interface(abstract);分类 q-bio.NC、eess.SP、cs.LG
用于旋转表面码的具有自适应置信门控神经解码的延迟受限硬件感知量子纠错协同设计
机构 * Department of Physics, Quantum Information and Computation, Indian Institute of Technology Jodhpur(物理系、量子信息与计算系,印度理工学院贾尔普尔)
专题命中 BCI数据与评测 :neural decoding(title);分类 cs.LG
AI总结 研究针对旋转表面码实时解码瓶颈,提出自适应置信门控解码框架,经实验验证,该框架能在有限增加解码成本下提升逻辑精度,神经解码器吞吐量在特定条件下饱和,还发布相关资源并区分贡献与未来工作方向。
Comments 29 pages, 18 figures, 12 tables. Source code, trained models, and benchmark data: https://github.com/Sumitchongder/adaptive-qec-decoder
量化癫痫检测中的泛化差距:通过SzCORE挑战进行大规模经验基准测试
机构 * Embedded Systems Laboratory, EPFL, Lausanne, Switzerland(瑞士洛桑联邦理工学院嵌入式系统实验室)
专题命中 BCI数据与评测 :EEG(abstract,abstract_cn);分类 eess.SP、cs.LG
AI总结 本文通过SzCORE挑战的大规模经验研究,量化了癫痫检测中模型泛化能力的差距,评估了28种最先进的算法架构,揭示了当前模型在不同患者群体中表现不一致的问题,并提出了标准化评估的必要性。
STDA-Net:基于频谱图的跨数据集睡眠阶段分类域适应
机构 * School of Computing, Wichita State University(维斯科州立大学计算机学院) ; Computer Science and Engineering Department, University of Nevada, Reno(内华达大学里诺分校计算机科学与工程系)
专题命中 BCI数据与评测 :EEG(abstract,abstract_cn);分类 cs.LG、cs.HC
AI总结 本文提出STDA-Net框架,结合CNN提取频谱图特征、BiLSTM建模睡眠动态和DANN实现无监督域适应,提升跨数据集睡眠阶段分类的准确性和稳定性。
Comments submitted to IEEE SMC conference
联邦学习在离线和在线肌电信号解码中的应用:从隐私和性能角度出发
机构 * Department of Electrical and Computer Engineering, Rice University(电气与计算机工程系, Rice大学)
专题命中 BCI数据与评测 :neural decoding(abstract);neural interface(abstract);分类 cs.LG、cs.HC
AI总结 本研究从隐私和性能角度出发,提出联邦学习在离线和在线肌电信号解码中的应用框架,并通过实验揭示了FL在实时神经接口中的性能与隐私之间的矛盾。
Comments 23 pages, 7 figures