脑机接口 / BCI

Evaluation of flashing stimuli shape and colour heterogeneity using a P300 brain-computer interface speller

Álvaro Fernández-Rodríguez, Francisco Velasco-Álvarez, María Teresa Medina-Juliá, Ricardo Ron-Angevin

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

Knowledge extraction, modeling and formalization: EEG case study

Dmitry Morozov, Mario Lezoche, Hervé Panetto

专题命中 EEG解码 ：EEG(title)；分类 eess.SP

Comments arXiv admin note: text overlap with arXiv:1506.05018 by other authors

Deep learning with convolutional neural networks for EEG decoding and visualization

Robin Tibor Schirrmeister, Jost Tobias Springenberg, Lukas Dominique Josef Fiederer, Martin Glasstetter, Katharina Eggensperger, Michael Tangermann, Frank Hutter, Wolfram Burgard, Tonio Ball

专题命中 EEG解码 ：EEG(title)；分类 cs.LG

Comments A revised manuscript (with the new title) has been accepted at Human Brain Mapping, see http://onlinelibrary.wiley.com/doi/10.1002/hbm.23730/full

Transformation of arbitrary distributions to the normal distribution with application to EEG test-retest reliability

Sacha Jennifer van Albada, Peter A. Robinson

专题命中 EEG解码 ：EEG(title)；分类 q-bio.NC

Journal ref J. Neurosci. Methods 161: 205-211 (2007)

Comparison of Network Analysis Approaches on EEG Connectivity in Beta during Visual Short-Term Memory Binding Tasks

Keith Smith, Hamed Azami, Mario A. Parra, Javier Escudero, John M. Starr

专题命中 EEG解码 ：EEG(title)；分类 q-bio.NC

Comments Proceeds from the IEEE Engineering in Medicine and Biology Conference 2015

A Hierarchical Dirichlet Process Model with Multiple Levels of Clustering for Human EEG Seizure Modeling

Drausin Wulsin, Shane Jensen, Brian Litt

专题命中 EEG解码 ：EEG(title)；分类 cs.LG

Comments ICML2012

Thermodynamic Model of Criticality in the Cortex Based On EEG/ECOG Data

Robert Kozma, Marko Puljic, Walter J. Freeman

专题命中 EEG解码 ：EEG(title)；分类 q-bio.NC

Comments Criticality in Neural Systems, 2012 (book chapter)

Comparative study of nonlinear properties of EEG signals of a normal person and an epileptic patient

Md. Nurujjaman, Ramesh Naryanan, A. N. Sekar Iyengar

专题命中 EEG解码 ：EEG(title,comments)

Comments Keywords:EEG, epilepsy, Correlation dimension, Surrogate analysis, Hurst exponent. 9 pages

Journal ref Nonlinear Biomedical Physics 2009, 3:6

FAConformer: Frequency-Aware Convolutional Transformer for Auditory Attention Decoding

FAConformer：用于听觉注意解码的频率感知卷积Transformer

Ziwei Wang, Xingyi He, Tianwang Jia, Hongbin Wang, Dongrui Wu

机构 * Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（湖北脑启发智能系统重点实验室，人工智能与自动化学院，华中科技大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 提出FAConformer框架，通过频带特定编码和自适应跨频带交互，有效利用脑电图频域信息进行听觉注意解码，在公开数据集上超越现有最佳模型4.9%。

Comments 15 pages, 7 figures

A Stationarity-and-Coupling Criterion for Training-Free Time-Lagged Spectral Embeddings of Multivariate Time Series

多变量时间序列无训练时滞谱嵌入的平稳性与耦合准则

Siddharth Pal, Viktoria Rojkova

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出基于时滞相关矩阵截断的固定长度描述符D(τ)，通过平稳高斯VAR(1)模型推导其适用条件：信号近似平稳且类别信息存在于跨通道时间耦合而非边际功率。

Comments 25 pages, 2 figures, 10 tables

Spatially Masked Regression Reveals Local and Distributed Predictability in Electrophysiological Recordings

空间掩蔽回归揭示电生理记录中的局部和分布式可预测性

Maryam Ostadsharif Memar, Nima Dehghani

机构 * Department of Electrical and Computer Engineering, IUT（电气与计算机工程系） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（脑科学研究所，麻省理工学院（MIT）） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC、cs.LG

AI总结 提出空间掩蔽回归（SMR）框架，通过逐步增大掩蔽区域量化电极信号中局部与分布式信息的贡献，应用于颅内和头皮脑电数据，发现邻近电极贡献显著但非全部，表明信号同时包含局部冗余和全局结构。

A Single Channel-Based Neonatal Sleep-Wake Classification using Hjorth Parameters and Improved Gradient Boosting

基于Hjorth参数和改进梯度提升的单通道新生儿睡眠-觉醒分类

Arslan Bisharat, Muhammad Mubeen, Saadullah Farooq Abbasi, Muhammad Shahbaz Khan, Wadii Boulila, Jawad Ahmad

机构 * Department of Computer Science, Loyola University（洛约拉大学计算机科学系） ； Department of Computer Science, University of People（人民大学计算机科学系） ； Department of Electronic, Electrical and Systems Engineering, University of Birmingham（伯明翰大学电子、电气与系统工程系） ； School of Computing, Engineering and the Built Environment, Edinburgh Napier University（爱丁堡纳皮尔大学计算、工程与环境科学学院） ； RIOTU Lab, Prince Sultan University（普森大学RIOTU实验室） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 本文提出利用单通道梯度提升算法与Hjorth特征进行新生儿睡眠阶段分类，通过随机搜索交叉验证优化参数，达到82.35%的分类准确率，验证方法采用5折交叉验证，提升现有算法并拓展应用范围。

Comments 8 pages, 5 figures, 3 tables, International Polydisciplinary Conference on Artificial Intelligence and New Technologies

Multimodal Functional Maximum Correlation for Emotion Recognition

多模态功能最大相关用于情感识别

Deyang Zheng, Tianyi Zhang, Wenming Zheng, Shujian Yu

机构 * Key Laboratory of Child Development and Learning Science (Ministry of Education), School of Biological Sciences and Medical Engineering, Southeast University（儿童发展与学习科学重点实验室（教育部）、生物科学与医学工程学院、东南大学） ； Department of Artificial Intelligence, Westlake University（人工智能学院、西湖大学） ； Department of Artificial Intelligence, Vrije Universiteit Amsterdam（人工智能学院、阿姆斯特丹自由大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG、cs.HC

AI总结 提出多模态功能最大相关（MFMC）框架，通过双重总相关目标最大化高阶多模态依赖，在情感识别基准上取得最先进性能。

Comments manuscript accepted by IEEE Transactions on Affective Computing. Code is available at https://github.com/DY9910/MFMC

Self-organized criticality enables conscious integration through brain-body resonance

自组织临界性通过脑-体共振实现意识整合

Ahmed Gamal Eldin

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC、eess.SP

AI总结 该研究通过脑-体共振维持的自组织临界性揭示了意识整合的机制，发现传统预处理方法会破坏整合动态，而原始数据中的临界动态支持大规模神经协调与事件相关处理的耦合。

An Empirical Investigation of Reconstruction-Based Models for Seizure Prediction from ECG Signals

基于重建模型的癫痫预测的实证研究：从ECG信号出发

Mohammad Reza Chopannavaz, Foad Ghaderi

机构 * Human-Computer Interaction Lab., Faculty of Electrical and Computer Engineering, Tarbiat Modares University（人机交互实验室，电气与计算机工程学院，塔里亚特莫达雷斯大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 本文提出了一种基于重建的异常检测框架，利用时频表示和深度学习模型捕捉与癫痫发作相关的的心率动态变化，通过平滑重建误差和自适应阈值策略提高预测准确性，实验结果显示在Siena数据库上达到99.16%的特异度和76.05%的准确率，同时在临床环境中提供可操作的早期预警。

NeuroRVQ: Multi-Scale Biosignal Tokenization for Generative Foundation Models

NeuroRVQ：多尺度生物信号分词用于生成式基础模型

Konstantinos Barmpas, Na Lee, Dimitrios Chalatsis, William Raftery, Yannis Panagakis, Dimitrios A. Adamos, Nikolaos Laskaris, Alexandros Koliousis, Dario Farina, Stefanos Zafeiriou

机构 * Imperial College London（帝国理工学院伦敦分校） ； Cogitat ； National and Kapodistrian University of Athens（国家与资本主义大学雅典分校） ； Archimedes Research Unit（阿基米德研究单位） ； Aristotle University of Thessaloniki（亚里士多德大学塞萨洛尼基分校） ； Northeastern University London（东北大学伦敦分校） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG、cs.HC

AI总结 本文提出NeuroRVQ，一种多尺度生物信号分词方法，通过多尺度时序卷积分解生物信号并结合相位感知损失，实现高保真信号重建，验证了高质量分词对下游性能的重要性。

Transcranial Alternating Current Stimulation (tACS) for patients with Post-Stroke Anomia: Preliminary Data on Picture Naming Performance

经颅交流电刺激（tACS）用于中风后命名障碍患者：对图片命名表现的初步数据

Maria Martzoukou, Nefeli K. Dimitriou, Binbin Xu, Malo Renaud-D'Ambra, Anastasia Nousia, Anne Beuter, Grigorios Nasios

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC、eess.SP

AI总结 本研究评估了tACS对中风后命名障碍患者的效果，通过图片命名任务和单案例实验设计，发现tACS能显著提高患者准确性和速度，且效果在三个月后仍保持稳定。

Journal ref PLOS ONE 21(2): e0342191 (2026)

MedMamba: Recasting Mamba for Medical Time Series Classification

MedMamba：为医学时间序列分类重新设计Mamba

ZhengXiao He, Huayu Li, Xiwen Chen, Janet M Roveda, Jinghao Wen, Siyuan Tian, Ao Li

机构 * Department of Electrical and Computer Engineering, Villanova University（维拉诺瓦大学电气与计算机工程系） ； Microsoft Research Asia（微软亚洲研究院） ； Morgan Stanley（摩根士丹利） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 MedMamba通过引入空间中心化、多时间尺度时序组成和非因果上下文依赖等原理，设计了轻量级通道混合模块、多尺度卷积分块和双向Mamba块，有效提升医学时间序列分类性能，实验表明其在多个数据集上均优于现有方法。

SparrowSNN: A Hardware/software Co-design for Energy Efficient ECG Classification

SparrowSNN：面向能源高效心电图分类的软硬件协同设计

Zhanglu Yan, Zhenyu Bai, Tulika Mitra, Weng-Fai Wong

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 本文提出SparrowSNN，一种针对边缘设备优化的软硬件协同设计，通过改进的脉冲激活函数、定制化混合ANN-SNN模型和低功耗可重构ASIC架构，在生物医学数据集上实现了20倍至100倍的能耗降低和状态-of-the-art准确率。

Towards Robust Multimodal Physiological Foundation Models: Handling Arbitrary Missing Modalities

迈向稳健的多模态生理基础模型：处理任意缺失模态

Wei-Bang Jiang, Xi Fu, Yi Ding, Cuntai Guan

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出PhysioOmni模型，通过解耦多模态信号提取通用表示，解决现有方法在跨数据集泛化和缺失模态处理上的不足，实验显示其在情绪识别等任务中表现优异。

Comments 19 pages, 5 figures

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

SpellerSSL: 基于P300聚合的自监督学习用于拼写BCI

Jiazhen Hong, Geoff Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究） 纠错

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

AI总结 SpellerSSL通过结合自监督学习与P300聚合，提升拼写BCI的信噪比、泛化能力和校准效率。

Journal ref Proceedings of the NeurIPS 2025 Workshop on Data on the Brain and Mind

A Penny for Your Thoughts: Decoding Speech from Inexpensive Brain Signals

Quentin Auster, Kateryna Shapovalenko, Chuang Ma, Demaio Sun

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

Riemannian Flow Matching for Brain Connectivity Matrices via Pullback Geometry

Antoine Collas, Ce Ju, Nicolas Salvy, Bertrand Thirion

机构 * Inria, CEA, Université Paris-Saclay Palaiseau（Inria、CEA、巴黎-萨克雷大学Palaiseau） 纠错

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

Comments Accepted at NeurIPS 2025

Correntropy-Based Logistic Regression with Automatic Relevance Determination for Robust Sparse Brain Activity Decoding

Yuanhao Li, Badong Chen, Yuxi Shi, Natsue Yoshimura, Yasuharu Koike

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

Journal ref IEEE Transactions on Biomedical Engineering (Volume: 70, Issue: 8, August 2023)

IncepFormerNet: A multi-scale multi-head attention network for SSVEP classification

Yan Huang, Yongru Chen, Lei Cao, Yongnian Cao, Xuechun Yang, Yilin Dong, Tianyu Liu

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

Learning Cortico-Muscular Dependence through Orthonormal Decomposition of Density Ratios

Shihan Ma, Bo Hu, Tianyu Jia, Alexander Kenneth Clarke, Blanka Zicher, Arnault H. Caillet, Dario Farina, Jose C. Principe

专题命中 EEG解码 ：EEG(abstract)；cortical(abstract)；分类 q-bio.NC、eess.SP

Effect of Simulated Space Conditions on functional Connectivity

Parshuram N Aarotale, Jaydip Desai

专题命中 EEG解码 ：EEG(abstract)；motor imagery(abstract)；分类 q-bio.NC、cs.HC

Comments Biomedical science instrumentation Journal

A Conversational Brain-Artificial Intelligence Interface

Anja Meunier, Michal Robert Žák, Lucas Munz, Sofiya Garkot, Manuel Eder, Jiachen Xu, Moritz Grosse-Wentrup

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

Comments 16 pages (39 with supplementary meterial), 6 figures

BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph Diffusion Learning

Junru Chen, Yang Yang, Tao Yu, Yingying Fan, Xiaolong Mo, Carl Yang

专题命中 EEG解码 ：EEG(abstract)；cortical(abstract)；分类 eess.SP、cs.LG

EpilNet: A Novel Approach to IoT based Epileptic Seizure Prediction and Diagnosis System using Artificial Intelligence

Shivam Gupta, Virender Ranga, Priyansh Agrawal

专题命中 EEG解码 ：EEG(abstract)；cortical(abstract)；分类 eess.SP、cs.LG

Comments 12 Pages, 12 Figures, 2 Tables

Journal ref ADCAIJ: Advances in Distributed Computing and Artificial Intelligence Journal, Issue, Vol. 10 N. 4 (2021), 429-446