脑机接口 / BCI

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

White-Box Target Attack for EEG-Based BCI Regression Problems

Lubin Meng, Chin-Teng Lin, Tzyy-Ring Jung, Dongrui Wu

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

The Impact of Flow in an EEG-based Brain Computer Interface

Jelena Mladenović, Jérémy Frey, Manon Bonnet-Save, Jérémie Mattout, Fabien Lotte

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

Forward--Inverse Interplay in FEM-Based EEG Source Imaging: Distributional Signatures of Advanced Source Models and Inverse Solvers

有限元法在EEG源成像中的正反问题交互：先进源模型与反演求解器的分布特征

Santtu Söderholm, Joonas Lahtinen, Sampsa Pursiainen

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 研究正反问题交互对EEG源成像的影响，分析不同源模型对反演方法成功率的影响，通过分布特征评估源模型与反演方法的匹配性。

Comments 6 pages, 5 figures. Submitted to conference IEEE MetroXRAINE 2026. Updated units of flow F to the ones of current density in the definition of EMD. Copyright (c) 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media

Brain-CLIPLM: Semantic Compression for EEG-to-Text Decoding

Brain-CLIPLM: 用于EEG到文本解码的语义压缩

Xiaoli Yang, Huiyuan Tian, Yurui Li, Jianyu Zhang, Shijian Li, Gang Pan

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学，北京，中国） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 该研究提出Brain-CLIPLM框架，通过语义锚点恢复和锚点引导的句子重建，解决EEG信号低信噪比和信息带宽限制的问题，实现了更高的文本检索准确率。

What the LLM Should Not Say: Boundary-Aware Context Grounding for A Seven-Channel EEG Agent

面向低通道EEG智能体的边界感知上下文接地

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉冲元素智能科技有限公司（NeuraDock）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出NeuraDock Agent架构，通过分离确定性本地EEG引擎与硬件感知语言层，实现LLM对低通道EEG数据的边界感知接地，经288次测试验证了系统在数值重复性、故障恢复和边界感知方面的有效性。

Comments 25 pages, 6 figures

NeuraDock Visual Cognitive Load Agent Tutorial: A Quality-Gated Open-Source EEG Workflow for Alpha Dynamics and Real-Time Applications

NeuraDock 视觉认知负荷代理教程：面向 Alpha 动态与实时应用的质量门控开源 EEG 工作流

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉元智能科技有限公司（NeuraDock）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出 NeuraDock Agent 开源 EEG 代理，通过质量门控工作流实现 Alpha 动态分析和视觉认知负荷实时应用，弥合离线与在线分析差距。

Comments 22 pages, 10 figures

Breaking Shortcut Learning for Cross-Trial EEG-Guided Target Speech Extraction via Two-Stage Training

通过两阶段训练打破跨试验EEG引导目标语音提取中的捷径学习

Wonchul Shin, Inyong Choi, Kyogu Lee

机构 * Department of Intelligence and Information（智能信息系） ； Seoul National University（首尔国立大学） ； Department of Communication Sciences and Disorders（沟通科学与障碍系） ； University of Iowa（爱荷华大学） ； Interdisciplinary Program in Artificial Intelligence（人工智能交叉学科项目） ； Artificial Intelligence Institute（人工智能研究所） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 针对EEG引导目标语音提取中模型依赖试验特定结构导致泛化差的问题，提出两阶段框架TRUST-TSE，通过对比预训练和置信加权提取目标抑制捷径学习，在跨试验协议下优于端到端基线。

Comments Accepted by Interspeech 2026

Electroencephalography (EEG) Forward Modeling via H(div) Finite Element Sources with Focal Interpolation

通过H(div)有限元源进行脑电图（EEG）前向建模

Sampsa Pursiainen, Johannes Vorwerk, Carsten H. Wolters

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出基于H(div)有限元方法的EEG前向建模方法，利用双极源和两种插值方法提高预测精度，对比传统单极方法展示其优越性。

Comments 20 pages, 7 figures

Benchmarking Positional Encoding Strategies for Transformer-Based EEG Foundation Models

基于Transformer的脑电图基础模型位置编码策略基准测试

Ayse Betul Yuce, Sebastian Stober

机构 * Department of Computer Science, Otto von Guericke University（奥托·冯·格里克大学计算机科学系） 纠错

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

AI总结 本研究在CBraMod骨干网络中基准测试五种位置编码策略，通过线性探测和微调协议评估运动想象分类和情感识别任务，发现最优策略具有任务依赖性。

Brain-to-Image Retrieval and Reconstruction via Multimodal EEG Alignment

通过多模态EEG对齐实现脑到图像的检索与重建

Chi Kit Wong, Yan Liu, Haowen Yan

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出一种脑到图像系统，通过多模态EEG对齐实现自然图像观看时的视觉刺激解码，在检索任务中达到86.30%的Top-1准确率，在重建任务中获得0.903的CLIP分数。

Comments 16 pages, 5 figures. Code available at: https://github.com/Chikit-WONG/DL_Project/

NeuroWeaver: An Autonomous Evolutionary Agent for Exploring the Programmatic Space of EEG Analysis Pipelines

NeuroWeaver：一种用于探索EEG分析流水线程序空间的自主进化智能体

Guoan Wang, Shihao Yang, Jun-En Ding, Feng Liu

机构 * Department of Systems Engineering, Stevens Institute of Technology（系统工程系，斯蒂文斯理工学院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 针对EEG分析中基础模型计算成本高和通用自动机器学习缺乏神经科学先验的问题，提出NeuroWeaver自主进化智能体，通过领域信息子空间初始化和多目标进化优化，在五个异构基准上合成轻量级解决方案，性能优于现有任务特定方法并接近大规模基础模型。

MindMelody: A Closed-Loop EEG-Driven System for Personalized Music Intervention

MindMelody：一种基于EEG的闭环个性化音乐干预系统

Yimeng Zhang, Yueru Sun, Haoyu Gu, Zhanpeng Jin

机构 * South China University of Technology（南方科技大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出MindMelody系统，通过EEG信号实时生成个性化音乐，结合Transformer-GNN和RAG-LLM实现情绪感知与音乐生成的闭环控制，提升情感适应性与用户参与度。

What Do EEG Foundation Models Capture from Human Brain Signals?

EEG基础模型从人类大脑信号中捕捉了什么？

Ling Tang, Qian Chen, Jilin Mei, Houshi Xu, Quanshi Zhang, Jing Shao, Na Zou, Xia Hu, Dongrui Liu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； University of Houston（休斯顿大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 研究探讨EEG基础模型如何从原始信号中学习，并通过实验验证其表示与特征工程基线的对齐情况，揭示了模型学习、使用及解释性方面的关键发现。

CLEF: EEG Foundation Model for Learning Clinical Semantics

CLEF：用于学习临床语义的EEG基础模型

Peng Cao, Ali Mirzazadeh, Jong Woo Lee, Aleksandar Videnovic, Dina Katabi

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院布里奇沃特医院） ； Massachusetts General Hospital, Harvard Medical School（哈佛医学院麻省总医院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出CLEF，一种基于临床场景的长上下文EEG基础模型，通过对比学习将EEG会话与神经科报告和结构化电子健康记录对齐，提升了EEG解读的临床相关性。

LLM as Clinical Graph Structure Refiner: Enhancing Representation Learning in EEG Seizure Diagnosis

基于LLM的临床图结构细化：增强EEG癫痫诊断中的表示学习

Lincan Li, Zheng Chen, Yushun Dong

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； SANKEN, The University of Osaka（大阪大学SANKEN） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出利用大语言模型对图结构进行细化，以提升EEG信号在癫痫诊断中的表示学习效果，通过两阶段框架去除冗余边，提高诊断准确率和图结构意义。

Comments This paper is accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

A Multimodal Pre-trained Network for Integrated EEG-Video Seizure Detection

一种用于整合EEG-视频癫痫发作检测的多模态预训练网络

Tong Lu, Ke Xu, Zimo Zhang, Zitong Zhao, Danwei Weng, Ruiyu Wang, Miao Liu, Zizuo Zhang, Jingyi Yao, Yixuan Zhao, Wenchao Zhang, Min Wang, Guoming Luan, Minmin Luo, Zhifeng Yue

机构 * organization= Beijing Institute for Brain Research, Chinese Academy of Medical Sciences \& Peking Union Medical College , city= Beijing , postcode= 102206 , country= China ； organization= Chinese Institute for Brain Research, Beijing , city= Beijing , postcode= 102206 , country= China ； organization= Department of Neurosurgery, SanBo Brain Hospital, Capital Medical University , city= Beijing , postcode= 100018 , country= China ； organization= GenAns Biotechnology Co., Ltd , city= Beijing , postcode= 102206 , country= China ； organization= Laboratory for Clinical Medicine, Capital Medical University , city= Beijing , postcode= 100069 , country= China ； organization= Center of Epilepsy, Beijing Institute for Brain Disorders, Sanbo Brain Hospital, Capital Medical University , city= Beijing , postcode= 100018 , country= China ； organization= Beijing Key Laboratory of Brain Science 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出EEGVFusion框架，结合自监督EEG学习、时空视频编码、最优传输对齐和双向交叉注意力，整合神经和行为证据，实现高准确率的癫痫发作检测，同时降低误报率。

ViBE: Visual-to-M/EEG Brain Encoding via Spatio-Temporal VAE and Distribution-Aligned Projection

ViBE：通过时空VAE和分布对齐投影实现视觉到M/EEG脑编码

Ganxi Xu, Zhao-Rong Lai, Yuting Tang, Yonghao Song, Shuyan Zhou, Guoxu Zhou, Boyu Wang, Jian Zhu, Jinyi Long

机构 * Jinan University（济南大学） ； The First Affiliated Hospital of Jinan University（济南大学第一附属医院） ； Western University（西方大学） ； Guangdong University of Technology（广东工业大学） ； Tsinghua University（清华大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出ViBE框架，通过时空卷积变分自编码器和分布对齐投影，实现从视觉刺激生成高质量M/EEG信号，解决跨模态对齐问题。

DSAINet: An Efficient Dual-Scale Attentive Interaction Network for General EEG Decoding

DSAINet: 一种高效的双尺度注意力交互网络用于通用EEG解码

Zhiyuan Ma, Zeyuan Li, Zihao Qiu, Jinhao Li, Lingqin Meng, Xinche Zhang, Yixuan Liu, Xinke Shen, Sen Song

机构 * School of Biomedical Engineering, Tsinghua Laboratory of Brain and Intelligence, and IDG/McGovern Institute for Brain Research, Tsinghua University（生物医学工程系、脑与智能清华实验室及IDG/麦克戈文脑科学研究院，清华大学） ； School of Basic Medical Sciences and Tsinghua Laboratory of Brain and Intelligence, Tsinghua University（基础医学系及脑与智能清华实验室，清华大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（心理学与认知科学系，清华大学） ； Department of Biomedical Engineering, Southern University of Science and Technology（生物医学工程系，南方科技大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 DSAINet通过双尺度注意力机制构建共享时空表示，有效解决EEG解码中任务相关信号的时序差异问题，实现跨任务的高效解码与可解释性。

A Physics-Inspired Classical Digital Twin of Cortical Dynamics: A Band-Stratified Metriplectic Port-Hamiltonian Neural Network Learned from Brain-Computer-Interface EEG

将大脑动力学学习为端口哈密顿系统

Dibakar Sigdel

机构 * Mindverse Computing LLC 纠错

专题命中 EEG解码 ：EEG(title,abstract)；cortical(title)；BCI(abstract)；motor imagery(abstract)

AI总结 研究将人类运动皮层在脑机接口任务中建模为端口哈密顿系统，用辛积分器等方法，经训练达到一定测试均方误差并通过临界性阶梯，模型能生成闭环信号恢复锁相，为脑机接口解码器提供新思路。

EEG-based 90-Degree Turn Intention Detection for Brain-Computer Interface

基于EEG的90度转弯意图检测用于脑机接口

Pradyot Anand, Anant Jain, Suriya Prakash Muthukrishnan, Shubhendu Bhasin, Sitikantha Roy, Lalan Kumar

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

AI总结 本研究利用EEG信号在事件发生前检测下肢运动的90度转弯意图，通过特征提取与分类算法实现高准确率的意图识别。

Comments Pradyot Anand, Anant Jain: Equal contributions by the authors

Interpretable Electrophysiological Features of Resting-State EEG Capture Cortical Network Dynamics in Parkinsons Disease

可解释的脑电图特征捕捉帕金森病静息态皮层网络动态

Antonios G. Dougalis

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

AI总结 研究通过可解释的脑电图特征区分帕金森病神经状态，发现标准特征在区分用药状态上表现最佳，动态特征在区分患者与健康对照方面具有竞争力，揭示了疾病和用药状态下的脑电特征变化。

Comments 28 pages; 6 Figures, 5 tables; 3 Supplementary Figures, 1 Supplementary Table; Original Research Report

Visual Neural Decoding via Improved Visual-EEG Semantic Consistency

通过改进的视觉-脑电语义一致性实现视觉神经解码

Hongzhou Chen, Lianghua He, Yihang Liu, Longzhen Yang, Shaohua Shang, MengChu Zhou

机构 * School of Computer Science and Technique, Tongji University（同济大学计算机科学与技术学院） ； Shanghai Eye Disease Prevention and Treatment Center（上海市眼病防治中心） ； Helen and John C. Hartmann Department of Electrical and Computer Engineering, New Jersey Institute of Technology（新泽西理工学院Helen and John C. Hartmann电气与计算机工程系） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural decoding(title,abstract)；neural signal(abstract)；分类 cs.HC

AI总结 本文提出视觉-脑电联合语义空间及两种新方法，提升跨模态表示的一致性，验证了在大规模视觉-脑电数据集上的有效性，提升了解码性能。

LEAF: Language-EEG Aligned Foundation Model for Brain-Computer Interfaces

LEAF：语言-脑电对齐的基础模型用于脑机接口

Muyun Jiang, Shuailei Zhang, Zhenjie Yang, Mengjun Wu, Weibang Jiang, Zhiwei Guo, Wei Zhang, Rui Liu, Shangen Zhang, Yong Li, Yi Ding, Cuntai Guan

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； University of Science and Technology Beijing, China（北京科技大学，中国） ； Southeast University, China（东南大学，中国） 纠错

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

AI总结 LEAF通过整合语义指导生成结构化的脑电嵌入，提升解码鲁棒性和迁移性，实现语言与脑电信号的对齐，取得12个数据集上的最佳性能。

Exploring EEG and Eye Movement Fusion for Multi-Class Target RSVP-BCI

探索EEG和眼动融合用于多类目标RSVP-BCI

Xujin Li, Wei Wei, Kun Zhao, Jiayu Mao, Yizhuo Lu, Shuang Qiu, Huiguang He

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

AI总结 本文提出MTREE-Net，通过融合EEG和眼动数据提升多类RSVP-BCI的解码性能。

Comments 17 pages, 9 figures

Journal ref Information Fusion, 2025, 121: 103135

Sparse Bayesian Modeling of EEG Channel Interactions Improves P300 Brain-Computer Interface Performance

稀疏贝叶斯建模用于EEG通道交互以提高P300脑机接口性能

Guoxuan Ma, Yuan Zhong, Moyan Li, Yuxiao Nie, Jian Kang

机构 * Department of Biostatistics, University of Michigan（生物统计学系，密歇根大学） 纠错

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

AI总结 本文提出稀疏贝叶斯模型，通过建模EEG通道交互提升P300脑机接口的解码性能和用户吞吐量。

A Pre-trained EEG-to-MEG Generative Framework for Enhancing BCI Decoding

一种预训练的EEG到MEG生成框架用于增强BCI解码

Zhuo Li, Shuqiang Wang

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

AI总结 本文提出了一种基于EEG-MEG时空耦合表示的跨模态生成框架，通过合成MEG信号提升BCI解码性能。

The Cost of Simplicity: How Reducing EEG Electrodes Affects Source Localization and BCI Accuracy

Eva Guttmann-Flury, Yanyan Wei, Shan Zhao, Jian Zhao, Mohamad Sawan

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

From Noise to Insight: Visualizing Neural Dynamics with Segmented SNR Topographies for Improved EEG-BCI Performance

Eva Guttmann-Flury, Shan Zhao, Jian Zhao, Mohamad Sawan

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

Alljoined-1.6M: A Million-Trial EEG-Image Dataset for Evaluating Affordable Brain-Computer Interfaces

Jonathan Xu, Ugo Bruzadin Nunes, Wangshu Jiang, Samuel Ryther, Jordan Pringle, Paul S. Scotti, Arnaud Delorme, Reese Kneeland

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