脑机接口 / BCI

Toward improving the visual stimulus meaning for increasing the P300 detection

Hubert Cecotti, Bertrand Rivet

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

Comments 11 pages

Natural brain-information interfaces: Recommending information by relevance inferred from human brain signals

Manuel J. A. Eugster, Tuukka Ruotsalo, Michiel M. Spapé, Oswald Barral, Niklas Ravaja, Giulio Jacucci, Samuel Kaski

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

Journal ref Scientific Reports 6, Article number: 38580 (2016)

Separating Components of Attention and Surprise

Per Bækgaard, Michael Kai Petersen, Jakob Eg Larsen

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

Comments 13 pages, 10 figures

Multimodal Emotion Recognition Using Multimodal Deep Learning

Wei Liu, Wei-Long Zheng, Bao-Liang Lu

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

Causal interpretation rules for encoding and decoding models in neuroimaging

Sebastian Weichwald, Timm Meyer, Ozan Özdenizci, Bernhard Schölkopf, Tonio Ball, Moritz Grosse-Wentrup

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

Comments accepted manuscript

Journal ref NeuroImage, 110:48-59, 2015

Quantifying the Dynamics of Consciousness using Hierarchical Integration, Organised Complexity and Metastability

利用分层整合、有序复杂性和 metastability 量化意识的动力学

Hassan Ugail, Newton Howard

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

AI总结 本文提出一种理论中立的框架，通过分层整合、有序复杂性和 metastability 量化意识相关的神经动态，验证了其在不同脑状态下的有效性。

Comments This paper presents a computational neuroscience framework for quantifying neural integrative dynamics using a composite index. We validate the method on synthetic data and Sleep-EDF EEG across Wake, N2, and REM, using DFA, LZC, PAC, MI, and synchrony measures. Intended for q-bio.NC

The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results

Qiuyu Chen, Xin Jin, Yue Song, Xihui Liu, Shuai Yang, Tao Yang, Ziqiang Li, Jianguo Huang, Yuntao Wei, Ba'ao Xie, Nicu Sebe, Wenjun, Zeng, Jooyeol Yun, Davide Abati, Mohamed Omran, Jaegul Choo, Amir Habibian, Auke Wiggers, Masato Kobayashi, Ning Ding, Toru Tamaki, Marzieh Gheisari, Auguste Genovesio, Yuheng Chen, Dingkun Liu, Xinyao Yang, Xinping Xu, Baicheng Chen, Dongrui Wu, Junhao Geng, Lexiang Lv, Jianxin Lin, Hanzhe Liang, Jie Zhou, Xuanxin Chen, Jinbao Wang, Can Gao, Zhangyi Wang, Zongze Li, Bihan Wen, Yixin Gao, Xiaohan Pan, Xin Li, Zhibo Chen, Baorui Peng, Zhongming Chen, Haoran Jin

专题命中 EEG解码 ：EEG(abstract,comments)；分类 cs.LG

Comments Workshop summary paper for ICCV 2025, 9 accepted papers, 9 figures, IEEE conference format, covers topics including diffusion models, controllable generation, 3D-aware disentanglement, autonomous driving applications, and EEG analysis

Cognitive Load-Driven VR Memory Palaces: Personalizing Focus and Recall Enhancement

Zhengyang Li, Hailin Deng

专题命中 EEG解码 ：EEG(abstract,comments)；分类 cs.HC

Comments 10 pages, 5 figures, submitted to HCII 2025. Includes EEG-based VR adaptation experiments, dynamic spatial modeling, and empirical evaluation of memory performance

Real-time noise cancellation with Deep Learning

Bernd Porr, Sama Daryanavard, Lucía Muñoz Bohollo, Henry Cowan, Bernd Porr, Ravinder Dahiya

专题命中 EEG解码 ：EEG(abstract,comments)；分类 eess.SP

Comments 21 pages, 4 figures, code available under https://doi.org/10.5281/zenodo.7100537 and EEG data available here: https://researchdata.gla.ac.uk/1258/

How does artificial intelligence contribute to iEEG research?

Julia Berezutskaya, Anne-Lise Saive, Karim Jerbi, Marcel van Gerven

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

Comments This chapter is forthcoming in Intracranial EEG for Cognitive Neuroscience (book)

Differentiating resting brain states using ordinal symbolic analysis

C. Quintero-Quiroz, Luis Montesano, A. J. Pons, M. C. Torrent, J. García-Ojalvo, C. Masoller

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

Comments time series analysis, ordinal analysis, EEG, brain dynamics

Electroencephalographic field influence on calcium momentum waves

Lester Ingber, Marco Pappalepore, Ronald R. Stesiak

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

Comments Final draft. http://ingber.com/smni14_eeg_ca.pdf may be updated more frequently

Phase-based spatial ordinal patterns for characterizing oscillatory dynamics

用于表征振荡动力学的基于相位的空间序贯模式

Robison J. Santos-Silva, Bruno R. R. Boaretto, Thiago L. Prado, Roberto C. Budzinski

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本研究提出基于相位的空间序贯模式框架，定义空间置换熵，可表征振荡系统时空动力学，区分锁相状态与部分同步状态，在合成网络和人脑电数据上验证了方法有效性。

AMICA-Python: Adaptive Mixture Independent Component Analysis with Anderson Acceleration

AMICA-Python：具有安德森加速的自适应混合独立成分分析

Scott Huberty, Christian O'Reilly

机构 * University of Southern California（南加州大学） ； University of South Carolina（南卡罗来纳大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对AMICA算法依赖单一Fortran实现、限制其在非MATLAB生态系统中应用的问题，提出AMICA-Python这一Python实现，通过符合scikit-learn的API集成，引入安德森加速方案，经测试其数值精度高、运行时具竞争力。

EEGPrep: a validated Python implementation of the EEGLAB preprocessing pipeline

EEGPrep：EEGLAB预处理管道的经过验证的Python实现

Arnaud Delorme, Suraj Ranganath, Christian Kothe, Aman Jaiswal, Scott Makeig, Bruno Aristimunha

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在解决EEGLAB管道MATLAB实现不利于Python和云工作流部署的问题，开发EEGPrep在Python中重现该管道，经测试其能高精度重现EEGLAB管道，可从PyPI安装或在Docker中运行。

Brain-Aligned Multi-Stream Video Transformers with Sparse Self-Selection

具有稀疏自选择的脑对齐多流视频变换器

Amir Hosein Fadaei, Mahyar Maleki, Mohammad-Reza A. Dehaqani

机构 * University of Tehran（德黑兰大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对现代视频变换器忽视灵长类视觉原理及缺乏神经数据评估的问题，提出含稀疏胜者全得令牌选择模块的脑对齐多流视频变换器，经实验其在精度与推理时间上表现优且鲁棒性强，脑模型相关性高，优于基线。

Comments 23 pages, 11 figures

TVGL-CFM:Generating and Forecasting Time-Varying Trajectories of Dynamic Networks with Conditional Flow Matching

TVGL-CFM：通过条件流匹配生成和预测动态网络的时变轨迹

Om Roy, Yashar Moshfeghi, Keith Malcolm Smith

机构 * University of Strathclyde（斯特拉斯克莱德大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究针对脑网络等随时间变化的复杂系统，提出TVGL-CFM模型，通过对数欧几里得图和条件流匹配，可生成和预测时变网络轨迹，在多数据集上表现优于原始信号基线，直接生成结构化精度轨迹更可靠。

PhasorFlow: A Python Library for Unit Circle Based Computing

PhasorFlow：基于单位圆的计算Python库

Dibakar Sigdel, Namuna Panday

机构 * Mindverse Computing LLC 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 PhasorFlow基于单位圆提出新的计算范式，通过复数相位编码和单位波干涉门实现连续几何梯度预测学习，提供Phasor Circuit模型、变分相位电路和相位变换器三大贡献，验证了其在非线性分类、时间序列预测等任务中的有效性。

Linear Independent Component Analysis via Optimal Transport

通过最优传输进行线性独立成分分析

Ashutosh Jha, Michel Besserve, Simon Buchholz

机构 * University of Tübingen（图宾根大学） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所） ； Institute of Artificial Intelligence TU Braunschweig（布伦瑞克工业大学人工智能研究所） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究如何从线性混合信号中恢复独立源信号，提出用平方瓦瑟斯坦距离衡量非高斯性，基于此构建OT - ICA算法，实验表明该算法在不同分布上优于传统方法，且可用于无分布假设的应用ICA任务。

Reading the Eyes in VR: Multimodal Modeling of Social Intelligence

在虚拟现实中解读眼神：社会智能的多模态建模

Mohammad Fahim Abrar, Shayla Sharmin, Roghayeh Leila Barmaki

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 研究通过在 Unity 中为桌面和 VR 实现 RMET 并进行 2x2 混合研究，探究呈现媒介和反馈对 RMET 行为的影响。结果表明即时反馈影响注视和脑电，呈现媒介无客观差异，VR 可用性高，为 RMET 在受控环境作过程感知评估任务提供证据。

Graph Bispectrum for Nonlinear Mode Interactions

用于非线性模式相互作用的图双谱

Rahul Singh, Reza Abiri, Walter Besio

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在刻画图信号高阶相互作用，基于图傅里叶系数三阶矩定义图双谱张量及图双相干度量，建立相关性质，通过合成信号与脑电图实验验证其能检测非线性依赖，为图信号高阶分析提供可解释且高效的工具。

Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS-ANS Dynamics

全睡眠：一种通过中枢神经系统-自主神经系统动态分层对比学习的睡眠基础模型

Zhoujie Hou, Song Wang, Kexin Lou, Mo Wang, Chen Wei, Quanying Liu

机构 * Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； Omni-Intelligence（全知智能） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 介绍全睡眠模型，利用CNS/ANS划分，通过分层对比学习的三个目标进行拓扑约束表示学习，在多中心多模态PSG数据预训练后用于睡眠分期和多疾病分类，性能优于基线，凸显生理层次对睡眠表示学习的价值。

SPIDER -- Stitched Power-spectra for Inferring Directed information flow from incomplete and asynchronous Experimental Recordings

SPIDER -- 从不完整且异步的实验记录中推断有向信息流的拼接功率谱方法

Yisi S. Zhang, Daniel Y. Takahashi

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出SPIDER框架，利用频谱拼接和矩阵补全从异步、不完整的多区域记录中恢复有向信息流，通过模拟和神经数据验证，揭示了脑区间theta频带的前馈层级结构。

Milmer: a Framework for Multiple Instance Learning based Multimodal Emotion Recognition

Milmer: 一种基于多实例学习的多模态情感识别框架

Zaitian Wang, Jian He, Yu Liang, Xiyuan Hu, Tianhao Peng, Kaixin Wang, Jiakai Wang, Chenlong Zhang, Weili Zhang, Shuang Niu, Xiaoyang Xie

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本文提出Milmer框架，结合面部表情分析与EEG信号，采用Transformer融合方法提升多模态情感识别性能，通过细调Swin Transformer和交叉注意力机制实现高效特征融合，实验显示在DEAP数据集上达到96.72%的四类情感识别准确率。

An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students

人工智能辅助学习模式对高中生的探索性行为与脑电图研究

Kashika Khurana, Ally Liew

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过行为指标和脑电图数据，比较三种AI交互模式（导师、协作者、求解器）对高中生认知参与和问题解决行为的影响，发现不同模式下行为存在显著差异，脑电模式虽未达统计显著但值得进一步探索。

Comments 16 pages, 11 figures

Using Biometrics to Understand AI-Assisted Coding Performance and its Perception

使用生物特征理解AI辅助编程性能及其感知

Paolo Burelli, Fabio Calefato, Daniela Grassi, Mihaela Yurieva Hristova, Nicole Novielli, Alberto Antonio, Romano, Paolo Tell

机构 * IT University of Copenhagen（丹麦技术大学） ； University of Bari（巴里大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图、眼动追踪等生物特征数据，发现AI辅助编程与无辅助编程在认知过程上存在显著差异，且主观感知与客观测量不一致。

Comments Stage 2 RR under review at EMSE. The accepted Stage 1 protocol is publicly archived on OSF (DOI: 10.31219/osf.io/mex39_v2)

Structure leads and dominates comprehension in naturalistic reading

自然阅读中层级结构与统计的相对强度因测量指标而异

Nan Wang, Hanlin Wu, Jiaxuan Li

机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。

Low-dimensional representation of brain networks for seizure risk forecasting

用于癫痫发作风险预测的脑网络低维表示

Steven Rico-Aparicio, Martin Guillemaud, Alice Longhena, Vincent Navarro, Louis Cousyn, Mario Chavez

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。

Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review

A dual-system approach for epilepsy diagnosis: integrating mamba-Bi-LSTM architecture with SHAP-based verification

一种双系统癫痫诊断方法：融合Mamba-Bi-LSTM架构与基于SHAP的验证

Mufeng Chen, Jia Xie, Fuchang Luo, Quansheng Ren

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 提出双系统智能诊断框架，主判别系统结合Mamba与Bi-LSTM实现高精度，验证系统通过SHAP提供可解释性，准确率从92.6%提升至98.7%。

Comments 18 pages, 11 figures, 16 tables

Journal ref Biomedical Engineering Advances 11 (2026) 100218

Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data

纵向数据的稀疏函数奇异值分解用于双聚类和三聚类

Yue Zhao, Thierry Chekouo, Sandra Safo

机构 * Division of Biostatistics and Health Data Science University of Minnesota（生物统计学与健康数据科学系明尼苏达大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出Tri-SfSVD框架，通过稀疏惩罚同时进行连续轨迹估计与对象、特征和时间选择，实现纵向数据中的双聚类和三聚类，优于现有方法。