脑机接口 / BCI

Bayesian Complete-Pooling in Cross-Subject Classification for Motor Imagery Electroencephalogram

运动想象脑电图跨受试者分类中的贝叶斯完全池化

Ethan Davis

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究对比贝叶斯完全池化模型与频率主义基线用于跨受试者运动想象脑电图分类，经多指标分析发现前者可靠性有统计学改善但实际不显著，计算成本高，表明其实际益处有限，跨受试者和会话部分池化是更有前景方向。

Multi-Modal Multi-Agent Robotic Cognitive Alignment enabled by Non-Invasive Consumer Brain Computer Interfaces: A Proof of Concept Exploration

基于非侵入式消费级脑机接口的多模态多智能体机器人认知对齐：概念验证探索

Nataliya Kosmyna, Liz Jenkins, Anoop K. Sinha

机构 * GOOGLE（谷歌） ； Paradigms of Intelligence（智能范式） ； Cambridge, MA, United States（马萨诸塞州剑桥市，美国） ； Mountain View, CA, United States（加利福尼亚州山景城，美国） 纠错

专题命中 脑控机器人 ：brain computer interface(title)；BCI(abstract,abstract_cn)；EEG(abstract,abstract_cn)；brain-computer interface(abstract)

AI总结 提出一种框架，利用消费级脑机接口监测脑电信号，在高认知负荷时延迟智能体通信，实现认知对齐的多智能体交互，初步验证了实时信号处理、大语言模型与机器人结合的可行性。

Comments 19 pages, 9 figures, for associated video, see https://youtu.be/0Tav-G87XGs

An Augmented Reality Brain-Robot Interface for Generalist Robot Arm Manipulation

面向通用机器人臂操控的增强现实脑机接口

Shangkai Zhang, Rousslan Fernand Julien Dossa, Luca Nunziante, Marina Di Vincenzo, Kai Arulkumaran

机构 * Araya Inc.（Araya公司） 纠错

专题命中 脑控机器人 ：BCI(abstract,abstract_cn)；brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

AI总结 提出结合眼动追踪与运动想象脑电的增强现实脑机接口，实现通用机器人臂的直观操控，通过18人实验验证了多步骤日常任务的有效性和良好可用性。

Comments Accepted at the 2026 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)

Clinical Translation of Brain-Computer Interface in China: A Landscape Analysis of Investigator-Initiated Trials, Registered Clinical Trials, and Regulatory Approval

中国脑机接口的临床转化：研究者发起试验、注册临床试验和监管批准的全景分析

Long Chen, Wanyi Qing, Fa Lin, Lifen Mo, Xiaoke Chai, Wenting Li, Zhijie Zhao, Zhenhua Song, Fengyan Liang, Ming Yin, Yi Yang, Jizong Zhao

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

AI总结 该研究对中国脑机接口转化生态系统进行定量分析，整合研究者发起试验、注册临床试验和监管批准产品三方面证据，发现临床注册自2020年迅速增加，非侵入性系统为主，已批准5种相关产品，不过仍有障碍，应对挑战对BCI临床应用至关重要。

Comments 15 pages, 5 figures, 6 tables. 20260709 update: Added links to full supplementary tables deposited on Zenodo (https://doi.org/10.5281/zenodo.2127219)

Event-based Neural Decoding for Neuroprosthetic Motor Control

用于神经假体运动控制的基于事件的神经解码

Khaleelulla Khan Nazeer, Sirine Arfa, Matthias Jobst, Richard George, Christian Mayr

机构 * TU Dresden（德累斯顿工业大学） 纠错

专题命中 神经假体 ：neural decoding(title,abstract)；neuroprosthetic(title,journal_ref)；分类 cs.LG

AI总结 研究针对因残疾等行动不便患者，提出基于事件的神经解码方法，用基于事件的门控循环单元生成稀疏通信模式，经有效训练方法和稀疏推理，在任务性能上超越经典脉冲神经网络，为设备上神经解码带来新机会。

Journal ref K. K. Nazeer, S. Arfa, M. Jobst, R. George and C. Mayr, "Event-based Neural Decoding for Neuroprosthetic Motor Control," 2025 IEEE Biomedical Circuits and Systems Conference (BioCAS), Abu Dhabi, United Arab Emirates, 2025, pp. 334-338

Sensory Restoration via Brain-Computer Interfaces: A Unified 2 x 2 Framework and Convergence Roadmap

通过脑机接口的感觉恢复：统一的2×2框架与融合路线图

Xuan-The Tran

机构 * School of Mechanical Engineering, Vietnam Maritime University（机械工程学院，越南海防大学） 纠错

专题命中 神经假体 ：brain-computer interface(title,abstract)；BCI(abstract_cn)；分类 cs.HC

AI总结 本文提出一个统一的2×2框架，按侵入性和信号方向分类脑机接口，并定义恢复、替代和增强范式，同时给出近中长期的融合路线图。

Physiological Noise Augmentation Improves Non-Invasive Brain-to-Speech

生理噪声增强提升非侵入式脑语音解码性能

Benjamin Ballyk, Teyun Kwon, Miran Özdogan, Oiwi Parker Jones

机构 * PNPL Department of Engineering Science（PNPL工程科学系） 纠错

专题命中 神经假体 ：EEG(abstract,abstract_cn)；BCI(abstract_cn)；分类 cs.LG

AI总结 针对非侵入式脑语音解码信噪比低、字错误率高的问题，提出生理噪声增强数据增强方法，生成符合生物物理特性的训练样本，大幅提升解码准确率与脑机接口鲁棒性。

Comments 18 pages, 10 figures

Antenna System for Simultaneous Wireless Power and Information Transfer to Brain Implants

用于脑植入物同时无线功率和信息传输的天线系统

Ali Khaleghi, Aminolah Hassanvand, Ilangko Balasingham

专题命中 神经假体 ：BCI(abstract,abstract_cn)；brain-computer interface(abstract)；分类 eess.SP

AI总结 提出一种无电池无线脑机接口系统，采用双功能天线实现感应耦合无线供电和背散射高速数据传输（32 Mbps），消除导线并保持能效。

Comments Published at IMBioC 2024. Part of the B-CRATOS project, Horizon 2020 FET-OPEN, grant 965044

Journal ref 2024 18th European Conference on Antennas and Propagation (EuCAP), Glasgow, United Kingdom, 2024, pp. 1-5

More Electrodes, Faster Minds? Rethinking Bandwidth in Brain-Computer Interfaces

更多电极，更快思维？重新思考脑机接口中的带宽

Boxuan Jiang

专题命中 神经假体 ：brain-computer interface(title)；分类 q-bio.NC、cs.HC

AI总结 探讨脑机接口中人类有意义输入/输出增益与接口容量的关系，区分多种相关概念，指出缓慢更新任务状态的演变方式及可解码神经活动的作用，表明缩放关系可能非线性，高容量接口有收益但极端增加会遇限制。

On the Identifiability of User Adaptation in Co-Adaptive Neural Interfaces

关于共适应神经接口中用户适应性的可识别性研究

Philip Waggoner

机构 * Stanford University（斯坦福大学） 纠错

专题命中 神经假体 ：neural interface(title)；分类 cs.HC

AI总结 分析共适应人机系统的可识别性，证明闭环编码器估计不能唯一识别用户适应性，而反映联合系统特性，讨论行为适应解释的含义并提出识别条件。

Comments 4 pages, 6 equations, 1 theorem, 1 proof

Masked Autoencoders Learn Perception-Relevant Representations from Resting State Neural Data

掩码自动编码器从静息态神经数据中学习与感知相关的表示

Aleksandr Kovalev, Antonio Lozano, Fabrizio Grani, Cristina Soto Sanchez, Leili Soo, Rocío López-Peco, Adrian Villamarin-Ortiz, Roberto Morollón Ruiz, María del Mar Ayuso Arroyave, Alfonso Rodil, Eduardo Fernández

专题命中 神经假体 ：neural decoding(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究利用自监督学习，通过在盲人参与者V1区的自发神经活动上预训练掩码自动编码器，测试能否改善感知解码。结果显示该方法有效，表明自发皮层活动有价值，无监督预训练是改善神经解码的好策略。

Comments 6 papers, 4 figures. NeuroAI Workshop, AAAI 2026

Journal ref Proceedings of the First Workshop on NeuroAI Multimodal Intelligence @ AAAI 2026, PMLR 308:93-98, 2026

A Cyclic Adaptation-Generalization Framework with Uncertainty-Guided Self-Paced Learning for Long-Term Brain-Machine Interfaces

一种用于长期脑机接口的具有不确定性引导自步学习的循环适应-泛化框架

Jiyu Wei, Di Hong, Zhanjie Zhang, Dazhong Rong, Qinming He, Yueming Wang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanhu Brain-Computer Interface Institute（南湖脑机接口研究所） 纠错

专题命中 神经假体 ：neural decoding(abstract)；分类 eess.SP、cs.HC、cs.RO

AI总结 针对侵入性脑机接口因神经漂移面临的长期部署挑战，提出UnSPC框架，通过UnSPL机制协同DA和DG，利用噪声鲁棒排序策略挖掘可靠伪标签样本，引入CycAG策略整合DA和DG，经实验验证其有效性和鲁棒性，为长期BMI控制铺路。

Real-time Reconstruction of Human Visual Perception from fMRI

基于功能磁共振成像的人类视觉感知实时重建

Rishab S. Iyer, Jiaxin Cindy Tu, Cesar Kadir Torrico Villanueva, Anish Mahishi, Ross P. Kempner, Jacob S. Prince, Ernest W. Lo, Akash Bhowmick, Hritik Arasu, Amaar Chughtai, Elizabeth A. McDevitt, Paul S. Scotti, Kenneth A. Norman

机构 * Princeton University（普林斯顿大学） ； Dartmouth College（达特茅斯学院） ； Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院） ； Harvard University（哈佛大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Medical AI Research Center (MedARC)（医学人工智能研究中心） 纠错

专题命中 神经假体 ：brain-computer interface(abstract)；分类 q-bio.NC

AI总结 该研究基于fMRI的实时闭环神经反馈分析方法落后，提出实时兼容的先进管道改编版，利用RT-Cloud平台实时扫描解码视觉感知，通过模拟分析记录性能变化因素，证明实时部署强大解码管道可行，为脑机接口应用铺路。

Coil-Integrated Alignment Sensor for Real-Time Feedback of Coil-Scalp Contact Point and Angle During Transcranial Magnetic Stimulation (TMS)

线圈集成对准传感器用于经颅磁刺激(TMS)中线圈-头皮接触点与角度的实时反馈

B. Seyed, M. Koehler, S. M. Goetz

专题命中 神经假体 ：cortical(abstract)

AI总结 针对TMS中线圈与头皮对准问题，提出一种基于消费电子组件的低成本传感器，实时监测接触点位置和压力，提供反馈，且对TMS脉冲具有鲁棒性。

Comments 7 pages, 1 figure

EEG-Based Imagined Speech Decoding Using a Hybrid CNN-SNN Architecture

基于脑电图的想象语音解码：使用混合卷积神经网络-脉冲神经网络架构

Fatima Shalhoub, Mariam Al Mawla, Kabalan Chaccour, Iván López-Espejo, Hoda Fares

机构 * Doctoral School of Science, Technology, and Engineering, University of Granada（格拉纳达大学科学、技术与工程博士学院） ； University of Technology Belfort-Montbéliard, SINERGIES（贝尔福-蒙贝利亚尔技术大学，协同实验室） ； Department of Signal Theory, Telematics and Communications, University of Granada（格拉纳达大学信号理论、电信与通信系） ； Department of Chemical Engineering, Stanford University（斯坦福大学化学工程系） ； Department of Electrical and Computer Engineering, Aarhus University（奥尔胡斯大学电气与计算机工程系） 纠错

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

AI总结 研究针对脑电图信号想象语音解码难题，提出用卷积神经网络提取时间表征，再经脉冲神经网络进行生物启发式时间分类的混合解码方法，在基准测试中取得高准确率，证明该方法有效性。

Comments Accepted to IEEE EMBC 2026

Visual Semantic Decoding of Electrocorticography from Video Stimuli using End-to-End Deep Learning

使用端到端深度学习对视频刺激的脑电信号进行视觉语义解码

Stella Ho, Joel Villalobos, Joseph West, Jingyang Liu, Weijie Qi, Haruhiko Kishima, Ryohei Fukuma, Takufumi Yanagisawa, Sam E. John, David B. Grayden

机构 * The University of Melbourne（墨尔本大学） ； Bionics Institute（仿生研究所） ； The University of Osaka（大阪大学） 纠错

专题命中 语音与意图解码 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究利用端到端深度学习框架对视频刺激的脑电信号进行视觉语义解码，在每个视觉类别训练样本少的情况下评估多种方法，分析最佳方法依赖的信息，所选系统有良好性能且模型行为可解释，与神经科学知识相符。

Comments This is a preprint and has not yet undergone peer review

From Dyad to Triad: Eliciting XAI Requirements in Stroke Rehabilitation

从二元组到三元组：中风康复中可解释人工智能需求的引出

Param Rajpura, Yogesh Kumar Meena

专题命中 语音与意图解码 ：brain-computer interface(abstract)；分类 cs.HC

AI总结 研究针对中风康复中引出可解释人工智能需求的挑战，提出基于视频的支架协议，包含类比桥接等四种方法，揭示了参与者的需求及引导偏差，为康复中引出面向患者的XAI需求提供可复用方法，是可靠人机系统设计前提。

Comments AI and Cognitive Computing for Trustworthy Human Machine Systems Session, IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)

Machine Learning Methods for Studying Latent Neural Activity Dynamics

研究潜在神经活动动力学的机器学习方法

Shufeng Kong, Fumei Deng, Xinyi Dong, Caihua Liu, Weiwei Chen, Yingheng Wang, Daniel Cao, Azahara Oliva, Antonio Fernandez-Ruiz, Carla Gomes

机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Neurobiology and Behavior, Cornell University（康奈尔大学神经生物学与行为学系） ； Department of Ecology and Evolutionary Biology, Cornell University（康奈尔大学生态学与进化生物学系） ； School of Computer Science and Artificial Intelligence, Foshan University（佛山大学计算机科学与人工智能学院） 纠错

专题命中 语音与意图解码 ：neural decoding(abstract)；分类 cs.LG

AI总结 综述从状态空间模型到深度生成模型的潜在变量模型，涵盖单区域动力学、多区域通信和行为对齐建模，并讨论大规模神经基础模型及未来挑战。

Comments Accepted by IJCAI 2026 survey track

The Capacity of Thought: Benchmarking Llama 3.2 in Semantic fMRI Neural Language Decoding and Improving the Huth Encoding-Model Baseline

思维的能力：在语义功能磁共振成像神经语言解码中对Llama 3.2进行基准测试并改进Huth编码模型基线

Milos Suvakovic, Dom Marhoefer, Glenn Grant-Richards, Aidan Pinero

机构 * UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

专题命中 语音与意图解码 ：brain-computer interface(abstract)

AI总结 研究从fMRI信号中解码连续语言的挑战，一方面改进Huth编码管道，另一方面引入fMRIFlamingo，发现高容量语言模型本身未提升fMRI解码能力，且无严格评估会掩盖失败，强调盲控评估的重要性。

Comments 7 pages, 2 tables, 2 figures. Preprint. NLP 244: Advanced Machine Learning for Natural Language Processing report, UC Santa Cruz

Enabling Rapid Calibration of BCI Systems that Detect Movement-Related Cortical Potentials in Children with Cerebral Palsy

实现对患有脑瘫的儿童检测与运动相关的皮层电位的脑机接口系统的快速校准

R. Saadatyar, D. Damiano, A. Behboodi

专题命中 BCI数据与评测 ：BCI(title,summary_cn)；cortical(title,abstract)；EEG(abstract,abstract_cn)；brain-computer interface(abstract)

AI总结 研究针对脑瘫儿童脑机接口系统校准时间长的问题，开发深度学习框架，采用双向长短期记忆网络及七种训练策略，经实验表明累积学习和迁移学习可大幅降低校准要求并保持高解码性能，助力实用儿科BCI系统发展。

What Holds Back Brain-Computer Interfaces? Uncovering Challenges and Opportunities in BCI-controlled Games for Cerebral Palsy Rehabilitation

什么阻碍了脑机接口？揭示脑瘫康复中BCI控制游戏的挑战与机遇

Bastian Ilsø Hougaard, Kirstine Schultz Dalgaard, Kirstine Johanne Stougaard Klebæk, Hendrik Knoche, Mads Jochumsen

专题命中 BCI数据与评测 ：BCI(title,title_cn)；brain-computer interface(title,abstract)；分类 cs.HC

AI总结 本研究通过临床治疗师和10名脑瘫患者的体验，揭示BCI游戏在脑瘫康复中面临的控制感、辅助机制等挑战与机遇。

BCIJelly: An integrated ecosystem for brain-computer interface research

BCIJelly：用于脑机接口研究的集成生态系统

Liyuan Han, Xinrui Yang, Tianyu Zheng, Qizhi Yang, Yitao Qin, Liang Chen, Qinglai Wei, Binjie Hong, Xinhe Zhang, Rui Xiong, Yong Gu, Mu-ming Poo, Bo Xu, Chengyu Li, Tielin Zhang

专题命中 BCI数据与评测 ：BCI(summary_cn,abstract)；brain-computer interface(title,abstract)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 BCIJelly是集成多类BCI数据集、解码器及工具的Python生态系统，可通过AAS与LLM支持多任务跨物种解码，经多范式多物种验证，为BCI研究提供统一可扩展的开发部署基础设施。

Comments 67 pages, 6 figures, 7 extended data figures, 20 supplementary tables

Fuzzy normed BCK-algebras and BCI-algebras

模糊赋范BCK-代数和BCI-代数

Young Bae Jun, Ravikumar Bandaru

专题命中 BCI数据与评测 ：BCI(title,title_cn)

AI总结 将经典赋范代数结构推广到模糊环境，引入模糊赋范BCK/BCI-代数，建立基本性质并研究同态下的传递条件。

Dendrite: A Real-Time Python Application for Online Brain-Computer Interface Research and Development

Dendrite：用于在线脑机接口研究与开发的实时Python应用程序

Niko Kroflic, Jan Babič

专题命中 BCI数据与评测 ：BCI(summary_cn,abstract)；brain-computer interface(title,abstract)；分类 cs.HC

AI总结 研究旨在开发在线脑机接口软件，核心方法是用Python编写Dendrite应用程序，它整合信号采集、解码器训练与实时推理，能同时记录多信号流并并发处理，可重现且开源，为在线BCI范式开发评估提供了系统。

Comments 15 pages, 5 figures

Overcoming the BCI Calibration Bottleneck: A Clinically-Grounded Architecture using Riemannian Alignment and Stochastic Weight Averaging

克服脑机接口校准瓶颈：一种基于黎曼对齐和随机权重平均的临床基础架构

Immanuvel Prathap Sagayaraju

机构 * University of Bern（伯恩大学） 纠错

专题命中 BCI数据与评测 ：BCI(title,abstract)；brain-computer interface(abstract)；motor imagery(abstract)；分类 q-bio.NC、eess.SP、cs.LG

AI总结 研究针对脑机接口校准瓶颈问题，构建结合逐会话独立成分分析、黎曼欧几里得对齐和随机权重平均稳定EEGNet的深度学习管道，在基准测试和案例研究中取得高准确率，验证了对二元运动想象的硬件无关零样本有效性。

Comments 10 pages, 8 figures

Threat Vectors and the State of the Art in Defense Methods for Security in Neurotechnology

神经技术安全防御方法中的威胁向量与现状

Bryce-Allen Bagley, Nathaniel Rose, Quintus Kilbourn, Matthew Canham

专题命中 BCI数据与评测 ：BCI(summary_cn,abstract)；brain-computer interface(abstract)；分类 q-bio.NC、cs.HC

AI总结 本文针对脑机接口安全研发滞后问题，回顾神经安全技术现状，全面调查BCI系统安全威胁，给出可应用于弥补神经安全差距的现有方法建议，助力提升神经技术安全。

PRISM: Prioritized Channel Importance with Semi-supervised Domain Adaptation for Cross-Subject EEG Emotion Recognition

PRISM: 基于优先级通道重要性与半监督域适应的跨被试脑电情绪识别

Xin Zhou, Xiang Zhang, Hao Deng, Lijun Yin

机构 * School of Computing, T. J Watson College of Engineering and Applied Science, Binghamton University - State University of New York（计算学院、T.J Watson工程与应用科学学院、宾夕法尼亚州立大学宾夕法尼亚州立大学） 纠错

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 cs.LG

AI总结 提出PRISM框架，通过可微分通道加权和置信度过滤伪标签的半监督域适应，解决脑电情绪识别中的通道冗余和跨被试差异问题，在三个数据集上超越现有方法。

Masked Generative-Contrastive Representation Learning for Cross-Dataset EEG-Based Emotion Recognition

用于跨数据集基于脑电图的情绪识别的掩码生成对比表示学习

Huqin Weng, Jiayang Huang, Yimin Wen, Jie Du, Chi-Man Vong, Chuangquan Chen

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 cs.LG

AI总结 提出掩码生成对比表示学习框架MGCRL用于跨数据集脑电图情绪识别，基于区域感知时空编码器，整合生成与对比学习，通过关键设计实现跨数据集泛化的细粒度和全局判别表示。

An Enhanced Source-Free Unsupervised Domain Adaptation Framework for Cross-Dataset EEG Emotion Recognition via Predictive Coding and Test-Time Training

一种增强的无源无监督域适应框架：基于预测编码和测试时训练的跨数据集脑电情感识别

Md Niaz Imtiaz, Naimul Khan

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 eess.SP

AI总结 提出一种无源无监督域适应框架，通过非对比预测编码自监督预训练和双阶段自适应优化（多损失自适应正则化与局部一致性学习），结合轻量测试时训练，解决跨数据集脑电情感识别中的域偏移和噪声伪标签问题。

Comments Under review

fMRI2Face: A Full-HD fMRI-Video Dataset and Geometry-Guided Neural Decoding Framework for Dynamic Human Face Reconstruction

fMRI2Face：用于动态人脸重建的全高清功能磁共振成像视频数据集和几何引导神经解码框架

Jingyang Huo, Xiangru Huang, Chentao Shen, Yikai Wang, Yun Wang, Jianxiong Gao, Shihao Jin, Yanwei Fu, Jianfeng Feng

机构 * Fudan University（复旦大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Xmov（未提及通用中文名，可音译为艾莫夫） 纠错

专题命中 BCI数据与评测 ：neural decoding(title,abstract)

AI总结 该研究提出fMRI-Face数据集及fMRI2Face框架，用于从大脑活动重建动态人脸。框架从大脑活动中获取两种互补神经控制，经整合实现高保真面部视频重建，实验显示其性能优于基线，为动态面部感知研究提供了新平台和基准。