脑机接口 / BCI

Deep Learning Architecture for Motor Imaged Words

Vimal W, Akshansh Gupta

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

Classification of Electroencephalograms during Mathematical Calculations Using Deep Learning

Umang Goenka, Param Patil, Kush Gosalia, Aaryan Jagetia

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

Comments Paper presented in IEEE 23rd International Conference on Information Reuse and Integration for Data Science

DF-SSmVEP: Dual Frequency Aggregated Steady-State Motion Visual Evoked Potential Design with Bifold Canonical Correlation Analysis

Raika Karimi, Arash Mohammadi, Amir Asif, Habib Benali

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

Towards the Classification of Error-Related Potentials using Riemannian Geometry

Yichen Tang, Jerry J. Zhang, Paul M. Corballis, Luke E. Hallum

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

Comments 4 pages, 3 figures, 1 table, submitted to and accepted by the 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), this is the accepted version

Detecting Driver's Distraction using Long-term Recurrent Convolutional Network

Chang Wei Tan, Mahsa Salehi, Geoffrey Mackellar

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

Comments 3 pages 2 figures

Compact Convolutional Neural Networks for Classification of Asynchronous Steady-state Visual Evoked Potentials

Nicholas R. Waytowich, Vernon Lawhern, Javier O. Garcia, Jennifer Cummings, Josef Faller, Paul Sajda, Jean M. Vettel

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

Comments Accepted for publication at the Journal of Neural Engineering

Automated Classification of Hand-grip action on Objects using Machine Learning

Anju Mishra, Shanu Sharma, Sanjay Kumar, Priya Ranjan, Amit Ujlayan

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

Comments This is a report on an ongoing project

Transferring Subspaces Between Subjects in Brain-Computer Interfacing

Wojciech Samek, Frank C. Meinecke, Klaus-Robert Müller

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

Journal ref W. Samek, F. C. Meinecke and K-R. Müller, Transferring Subspaces Between Subjects in Brain-Computer Interfacing, IEEE Transactions on Biomedical Engineering, 2013

Beware of Overestimated Decoding Performance Arising from Temporal Autocorrelations in Electroencephalogram Signals

Xiran Xu, Bo Wang, Boda Xiao, Yadong Niu, Yiwen Wang, Xihong Wu, Jing Chen

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

Journal ref Xu, X., Wang, B., Xiao, B., Niu, Y., Wang, Y., Wu, X., Cheng, H., Chen, J., 2026. The impacts of temporal autocorrelations on EEG decoding. Biomed. Signal Process. Control 113, 108783

Real-Time EEG Cap Electrode Detection for Guided Point-of-Care Placement

用于即时护理放置引导的实时脑电图帽电极检测

William Lehn-Schiøler, Mads Sverker Nilsson, Nicki Skafte Detlefsen

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 该研究提出两阶段视觉系统，用单类YOLO检测器定位脑电图帽电极，经几何阶段验证位置。通过留一法交叉验证评估，介绍了不同帽尺寸及增强方法对检测的影响，还提及骨干网络保持实时吞吐量，能实时检测并验证电极位置。

Comments Preprint. 13 pages, 7 figures, 4 tables

FSDBN: Foreground-Aware EEG-Visual Alignment via Dynamic Brain Networks

FSDBN：通过动态脑网络实现前景感知的脑电图-视觉对齐

Yiheng Liu, Chuhang Zheng, Peiliang Gong, Jingtao Liu, Daoqiang Zhang, Qi Zhu

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（人工智能学院，南京航空航天大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究基于脑电图的视觉解码问题，提出FSDBN框架，通过语义一致显著对齐和语义先验动态门控前景融合，结合自适应时空脑网络建模，实现前景感知的脑电图-视觉对齐，在零样本脑到图像检索实验中取得优异成绩。

Decoding EEG Signals to Explore Next-Word Predictability in the Human Brain

解码脑电信号以探索人类大脑中的下一个单词可预测性

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 该研究利用脑电图探索大脑中单词可预测性的神经机制，重点关注N400时间窗口内不同词汇和语法类别情况。发现实词N400差异更明显，动词差异大于名词，名词可预测性信息更独特，且解码技术在捕捉认知过程表征上比传统分析更有效。

Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models

编码脑电信号以研究语言模型中类人下一个单词预测行为

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。

Reducing the Complexity of Deep Learning Models for EEG Analysis on Wearable Devices

降低可穿戴设备上用于脑电图分析的深度学习模型复杂度

Farough Shayeste Roodi, Parham Zilouchian Moghaddam, Mahdi Mohammadi-nasab, Mehdi Modarressi, Mostafa Ersali Salehi Nasab, Masoud Daneshtalab

机构 * University of Tehran（德黑兰大学） ； Mälardalen University（梅拉达伦大学） ； Royal Institute of Technology（皇家理工学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究通过参数量化和电极减少方法，在资源受限的可穿戴设备上部署DNN模型，实现脑电图分析中精度与复杂度的权衡。

Pretrained, Frozen, Still Leaking: Auditing Cross-Encoder Attribute Transfer in EEG Foundation Models

预训练、冻结、仍在泄露：脑电图基础模型中跨编码器属性转移的审计

Jianwei Tai

机构 * Jianwei Tai（Tai Jianwei） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 提出跨编码器桥接攻击，证明单一端点审计无法检测属性泄露，并引入审计端点分歧分数（AEDS）作为联合发布决策规则。

REACT 2026: The Fourth Multiple Appropriate Facial Reaction Generation Challenge: Personalised MAFRG and Appropriate EEG Reaction Prediction

REACT 2026：第四届多适切面部反应生成挑战赛：个性化MAFRG与适切脑电反应预测

Siyang Song, Micol Spitale, Zijian Wu, Xiangyu Kong, Cheng Luo, Cristina Palmero, German Barquero, Sergio Escalera, Michel Valstar, Mohamed Daoudi, Fabien Ringeval, Andrew Howes, Elisabeth Andre, Hatice Gunes

机构 * University of Exeter（埃克塞特大学） ； Politecnico di Milano（米兰理工大学） ； Nanjing University of Science and Technology（南京理工大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； King's College London（伦敦国王学院） ； Universitat de Barcelona（巴塞罗那大学） ； University of Nottingham（诺丁汉大学） ； IMT Nord Europe（IMT 北欧欧洲） ； Université Grenoble Alpes（格勒诺布尔-阿尔卑斯大学） ； University of Augsburg（奥格斯堡大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 提出REACT 2026挑战赛，鼓励开发机器学习模型，用于生成个性化、适切、多样、真实且同步的人类面部反应，并引入个性标签和脑电记录，探索新的一对多个性化面部反应生成设置。

Comments arXiv admin note: text overlap with arXiv:2505.17223

MSCGC-KAN: Multi-scale Causal Graph Convolution and Kolmogorov-Arnold Feature Mapping for EEG Emotion Recognition

MSCGC-KAN: 用于脑电情感识别的多尺度因果图卷积与Kolmogorov-Arnold特征映射

Haoliang Gong, Qingshan She, Jiale Xu, Yunyan Gao, Xugang Xi

机构 * School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China（杭州电子科技大学自动化学院） ； Zhejiang Provincial Key Laboratory of Brain Computer Collaborative Intelligence Technology（浙江省脑机协同智能技术与应用重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出MSCGC-KAN方法，通过多尺度因果图卷积和Kolmogorov-Arnold特征映射构建结构化任务头，在预训练CBraMod骨干上增强多尺度时间建模、可学习通道间连接建模和非线性判别映射，显著提升脑电情感识别性能。

EEG2Vision: A Multimodal EEG-Based Framework for 2D Visual Reconstruction in Cognitive Neuroscience

EEG2Vision：一种基于EEG的多模态框架，用于认知神经科学中的2D视觉重建

Emanuele Balloni, Emanuele Frontoni, Chiara Matti, Marina Paolanti, Roberto Pierdicca, Emiliano Santarnecchi

机构 * Università Politecnica delle Marche（马尔凯理工大学） ； University of Macerata（马切拉塔大学） ； Horizon Intelligence Labs（地平线智能实验室） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 EEG2Vision通过多模态大语言模型和图像扩散模型提升低密度电极配置下的视觉重建质量，验证了低分辨率EEG设备在实时脑-图像应用中的可行性。

Comments 17 pages, 5 figures

Overview of Bayesian Solvers in EEG Distributed Source Models: Prior Selection, Algorithmic Implementation, and Depth Bias Reduction

脑电分布式源模型中贝叶斯求解器综述：先验选择、算法实现与深度偏差减少

Joonas Lahtinen, Alexandra Koulouri

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文综述了用于脑电源成像的贝叶斯方法，重点分析了高斯、拉普拉斯及分组拉普拉斯先验的实现，并通过模拟研究探讨了深度偏差的减少方法。

Comments 41 pages, 9 figures, 5 tables

CIPHER: Conformer-based Inference of Phonemes from High-density EEG

CIPHER：基于Conformer的高密度EEG语音音素推断

Varshith Madishetty

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 CIPHER模型通过ERP特征和宽带DDA系数双路径方式解码EEG语音信息，在音素识别任务中表现较低，但作为基准和特征比较研究，强调在控制干扰因素下的神经表示研究。

CognitionCapturerPro: Towards High-Fidelity Visual Decoding from EEG/MEG via Multi-modal Information and Asymmetric Alignment

CognitionCapturerPro：通过多模态信息和非对称对齐实现从EEG/MEG的高保真视觉解码

Kaifan Zhang, Lihuo He, Junjie Ke, Yuqi Ji, Lukun Wu, Lizi Wang, Xinbo Gao

机构 * Visual Information Processing Laboratory, School of Electronic Engineering, Xidian University（电子科技大学信息处理实验室，电子工程学院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出CognitionCapturerPro框架，通过整合EEG与多模态先验信息，提升EEG视觉重建的保真度与检索准确率，改进Top-1和Top-5准确率达25.9%和10.6%。

LEL: Lipschitz Continuity Constrained Ensemble Learning for Efficient EEG-Based Intra-subject Emotion Recognition

LEL：基于Lipschitz连续性约束的集成学习用于高效EEG基的个体情感识别

Shengyu Gong, Yueyang Li, Zijian Kang, Bo Chai, Weiming Zeng, Hongjie Yan, Zhiguo Zhang, Wai Ting Siok, Nizhuan Wang

机构 * Lab of Digital Image and Intelligent Computation（数字图像与智能计算实验室） ； Shanghai Maritime University（上海 Maritime 大学） ； Department of Chinese and Bilingual Studies（中文与双语研究部） ； The Hong Kong Polytechnic University（香港理工大学） ； Department of Neurology（神经病学部） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医学院附属连云港医院） ； The Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳研究院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 LEL通过引入Lipschitz连续性约束的集成学习方法，提升EEG基个体情感识别的稳定性和鲁棒性，实现高效准确的情绪识别。

Journal ref IEEE Sensors Journal, 2026

Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making

基于EEG的自监督进化学习：神经动态进程与身份流形的进化学习

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出自监督进化学习框架，通过EEG直接发现个体神经动态进程和身份流形，提升安全关键决策中的身份认证与异常检测能力。

Bidirectional Temporal Dynamics Modeling for EEG-based Driving Fatigue Recognition

双向时间动态建模用于基于EEG的驾驶疲劳识别

Yip Tin Po, Jianming Wang, Yutao Miao, Jiayan Zhang, Yunxu Zhao, Xiaomin Ouyang, Zhihong Li, Nevin L. Zhang

机构 * IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS（IEEE生物医学与健康信息学期刊） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 DeltaGateNet通过双向时间动态建模提升基于EEG的驾驶疲劳识别性能，实现高准确率和鲁棒性。

ODEBrain: Continuous-Time EEG Graph for Modeling Dynamic Brain Networks

ODEBrain: 基于连续时间EEG图的动态脑网络建模

Haohui Jia, Zheng Chen, Lingwei Zhu, Rikuto Kotoge, Jathurshan Pradeepkumar, Yasuko Matsubara, Jimeng Sun, Yasushi Sakurai, Takashi Matsubara

机构 * Information Science and Techinology, Hokkaido University, Japan（信息科学与技术，北海道大学，日本） ； SANKEN, The University of Osaka, Japan（SANKEN，大阪大学，日本） ； Great Bay University, China（大湾大学，中国） ； Department of Computer Science, University of Illinois Urbana-Champaign, USA（计算机科学系，伊利诺伊大学厄巴纳-香槟分校，美国） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 ODEBrain通过整合时空频特征和神经ODE，提升EEG动态预测的鲁棒性和泛化能力。

Learning Alzheimer's Disease Signatures by bridging EEG with Spiking Neural Networks and Biophysical Simulations

通过将脑电图与脉冲神经网络和生物物理模拟相结合学习阿尔茨海默病特征

Szymon Mamoń, Max Talanov, Alessandro Crimi

机构 * Department of Computer Science AGH University of Krakow（计算机科学系AGH克拉科夫大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出神经桥接框架，通过结合EEG与脉冲神经网络和生物物理模拟，提升阿尔茨海默病的可解释性检测

Comments 11 pages ,8 figures

Do Models Hear Like Us? Probing the Representational Alignment of Audio LLMs and Naturalistic EEG

模型是像我们一样听吗？探查音频大语言模型与自然EEG的表征对齐

Haoyun Yang, Xin Xiao, Jiang Zhong, Yu Tian, Dong Xiaohua, Yu Mao, Hao Wu, Kaiwen Wei

机构 * School of Computer Science, Chongqing University（重庆大学计算机科学学院） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院） ； School of Economics and Business Administration, Chongqing University（重庆大学经济与商业管理学院） ； School of Artificial Intelligence, Southwest University（西南大学人工智能学院） ； The First Affiliated Hospital of Chongqing Medical University（重庆医科大学第一附属医院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本研究通过比较音频大语言模型与EEG信号，揭示了模型在自然聆听中的表征对齐特性，发现排名依赖分裂、时空对齐模式及情感分离现象。

Multi-Compartment Volume Conductor with Complete Electrode Model: Simulated Stereo-EEG Source Localization using Brainstorm-Zeffiro Plugin

多腔体体积导体与完整电极模型：利用Brainstorm-Zeffiro插件模拟立体 EEG 源定位

Fernando Galaz Prieto, Takfarinas Medani, Chinmay Chinara, Richard M. Leahy, Sampsa Pursiainen

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本研究提出了一种基于Brainstorm-Zeffiro插件的多腔体体积导体建模方法，用于提高立体EEG源定位的精度。

Synthesizing Epileptic Seizures: Gaussian Processes for EEG Generation

合成癫痫发作：用于EEG生成的高斯过程

Nina Moutonnet, Joshua Corneck, Felipe Tobar, Danilo Mandic

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出GP-EEG框架，利用高斯过程和变分自动编码器生成合成EEG数据，以解决癫痫发作检测中数据稀缺的问题。

BrainStack: Neuro-MoE with Functionally Guided Expert Routing for EEG-Based Language Decoding

BrainStack: 基于功能引导的神经混合专家模型用于基于EEG的语言解码

Ziyi Zhao, Jinzhao Zhou, Xiaowei Jiang, Beining Cao, Wenhao Ma, Yang Shen, Ren Li, Yu-Kai Wang, Chin-teng Lin

机构 * University of Technology Sydney（新南威尔士大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫莫迪 bin Zayed 人工智能大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 BrainStack通过功能引导的神经混合专家模型，结合解剖学分区和跨区域蒸馏，实现了基于EEG的高效语言解码，提升了准确性和泛化能力。