脑机接口 / BCI

Self-Supervised Consistency Enhanced Disentangled Learning for Neural Decoding Generalization in Brain-Machine Interface

用于脑机接口神经解码泛化的自监督一致性增强解缠学习

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（南湖脑机接口研究院） 纠错

专题命中 神经信号处理 ：neural decoding(title,abstract)；neural signal(abstract)；分类 eess.SP、cs.HC、cs.RO

AI总结 研究脑机接口因神经漂移致性能下降问题，提出自监督一致性增强解缠学习框架（SSCDL）。通过设计一致性增强神经解码器及采用互补解缠泛化机制，学习鲁棒表征，实现跨日泛化，提升解码性能，展现长期交互潜力。

International Transfer of Stochastic Cortical Self-Reconstruction

随机皮质自重建的国际迁移

Fabian Bongratz, Zhizheng Zhuo, Chao Zhang, Yaou Liu, Dennis M. Hedderich, Christian Wachinger

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； TUM Klinikum（慕尼黑工业大学医院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Beijing Tiantan Hospital（北京天坛医院） ； Capital Medical University（首都医科大学） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究探究SCSR模型从UKB数据到中国人群数据集的迁移能力，对比四种训练策略及两种主干模型，发现微调后的SUNet模型判别性能最优，且SCSR对中国人群皮质萎缩检测稳健、跨人群迁移性强。

Test-Time Adaptation of Spiking Neural Networks for Intracortical Neural Decoding using Membrane Potential Alignment

基于膜电位对齐的脉冲神经网络测试时自适应用于皮层内神经解码

Guangzhi Tang

专题命中 神经信号处理 ：neural decoding(title)；brain-computer interface(abstract)；neural signal(abstract)

AI总结 提出膜电位对齐（MPA）方法，通过KL散度匹配膜电位分布，仅更新低秩（LoRA）权重（<9%参数），实现脉冲神经网络测试时自适应，在非人灵长类任务中性能媲美NoMAD，且架构更简单、时间分辨率更高（4 ms vs 20 ms）。

Comments Accepted at ICANN 2026

A Bayes-Markov Neuromorphic Model of Cortical Orientation Selectivity: A Computational Re-implementation and Quantitative Simulation Study

皮层方向选择性的贝叶斯-马尔可夫神经形态模型：计算重实现与定量模拟研究

Abolfazl Moslemi, Milad Sarabadani, Fatemeh Sefidian, Hossein Peyvandi

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 本文重实现Shirazi的贝叶斯-马尔可夫神经形态模型，通过定量模拟验证其可产生尖锐方向选择性等核心行为，还添加脉冲式SCI层实现并完成相关评估。

Comments 24 pages. Computational neuroscience; orientation selectivity; neuromorphic modeling

Harnessing cortical geometry, wiring, and function as inductive biases for recurrent neural networks

利用皮层几何、连接和功能作为循环神经网络的归纳偏置

Mo Shakiba, Rana Rokni, Mohammad Mohammadi, Nima Dehghani

机构 * Neuromatch Academy, Neuromatch, Inc., USA（Neuromatch学院，Neuromatch公司，美国） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（麦戈文脑科学研究所，麻省理工学院（MIT）） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究利用MICrONS项目数据，通过神经元空间坐标、解剖连接和功能关系初始化循环权重并施加空间约束，构建生物基础循环神经网络，在认知决策任务中优于基线模型，并发展出低熵、模块化和小世界组织。

Stimulus-Evoked Network Dynamics in Human Cortical Organoids: From a Graph-Computational Framework to Repeated-Stimulation Depression

人类皮质类器官中刺激诱发的网络动力学：从图计算框架到重复刺激抑制

Esmaeil S. Nadimi, Vinay C. Gogineni, Jan-Matthias Braun, Martin Røssel Larsen, Victoria Blanes-Vidal, Helle Bogetofte Barnkob

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

AI总结 本研究开发图计算框架分析人类皮质类器官刺激诱发的网络动力学，发现重复刺激可抑制并空间收缩诱发反应，且该效应可与发育成熟区分开。

DBNN: Neural Spike Classification Using a Deep Binarized Neural Network

DBNN：使用深度二值化神经网络进行神经尖峰分类

Binyi Ren, Luca M. Meyer, Majid Zamani

机构 * The School of Electronics and Computer Science (ECS), University of Southampton（电子与计算机科学学院（ECS），南安普顿大学） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究针对可植入脑机接口的神经尖峰分类问题，提出基于深度二值化神经网络（DBNN）的尖峰排序系统，该系统含特定结构层，处理紧凑波形，降低成本，在合成和体内数据集上准确率达98.7%，硬件成本低且无乘法器操作，适用于低功耗可植入神经接口。

Comments Paper under review

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Short-Term Precision and Least Significant Change of 3D-DXA Cortical and Trabecular Proximal Femur Measurements Across Hologic DXA Scanner Models

3D-DXA 测量的股骨近端皮质骨和小梁骨在不同 Hologic DXA 扫描仪模型中的短期精度和最小显著变化

Asier Muñoz, Thomas L. Nickolas, Laurent Maïmoun, Polyzois Makras, Jorge Malouf, Xavier Nogués, Ludovic Humbert

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对不同 Hologic DXA 扫描仪模型，通过重复采集数据，评估 3D-DXA 参数的短期精度及最小显著变化，得出不同参数的 LSC 值范围，其精度误差在各数据集间有适度变化，结果有助于解释相关骨密度纵向变化。

Imaging of ultrasound specularity at cortical bone interfaces to detect unbalanced remodeling: A preliminary study

皮质骨界面超声镜面反射成像用于检测不平衡重塑的初步研究

Amadou S. Dia, Salomé Vignat, Guillaume Renaud, Quentin Grimal

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究旨在通过分析皮质骨界面超声反射，结合信号处理与波束形成技术重建镜面反射图，检测不平衡重塑。发现镜面反射与骨微观结构相关，孔隙体积分数和孔径都与镜面反射密切相关，有望成为识别皮质骨退化的敏感标志物。

Journal ref Ultrasonics, Volume 168, 2026, 108213, ISSN 0041-624X

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。

Open-source MRI-informed computational model of human cortical folding

人类皮质折叠的开源磁共振成像信息计算模型

Anne Kerachni, Thomas Lavigne, Stéphane Urcun, Mireia Alenya, Oscar Camara, Julien Lefèvre François Rousseau

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 该研究针对人类皮质折叠问题，利用开源代码FEniCS开发计算模型，构建模块化、可解释且可扩展的模拟框架，结合胎儿MRI数据模拟折叠，估计参数并优化预测，助力理解皮质折叠及相关疾病。

Comments 33 pages, 17 figures

Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios

合成病灶MR图像在低数据场景下自动局灶性皮质发育不良检测中的影响

Prabhjot Kaur, Hakim Ouaalam, Sedat Kandemirli, Sanjay P. Prabhu, Simon K. Warfield

机构 * Computational Radiology Laboratory（计算放射学实验室） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 本研究通过条件生成网络合成FCD病灶MRI数据，评估其真实性及对自动检测的影响，发现合成数据可减少约20%标注需求，但真实数据仍更有效。

Interpretable MEG Decoding of Perceived Speech: Cortical Sources and the Stimulus Features That Drive Retrieval

感知语音的可解释MEG解码：皮层源与驱动检索的刺激特征

Ilia Semenkov, Daria Kleeva, Ivan Dakhtin, Zarina Maksudova, Alex Ossadtchi

机构 * HSE University（高等经济大学） ； ITMO University（ITMO大学） 纠错

专题命中 神经信号处理 ：cortical(title)；分类 q-bio.NC、cs.LG

AI总结 本研究重新设计MEG到音频检索架构，在MEG-MASC数据集上实现39.75±0.34%的Top-1准确率，通过源映射与输入干预明确了驱动语音检索的关键刺激特征。

A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps

来自TRIBE的全局预测fMRI驱动信号无法预测YouTube重播热图

Barada Sahu, Shivesh Pandey

机构 * Cabal AI ； Para AI 纠错

专题命中 神经信号处理 ：neural signal(abstract)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究测试了深度多模态脑编码模型TRIBE预测的fMRI信号是否能预测YouTube视频的重播行为，发现全局场功率与重播热图无显著相关性。

Comments 12 pages, 2 figures. v2: adds equivalence and Bayes-factor bounds, split-half reliability ceiling, a supervised probe with proper position control, a per-input-stream dissociation, and ISC discussion. Code, video-ID manifest, and per-video results: https://github.com/mercurialsolo/tribe-replay-heatmaps

EEGDash: An open-source platform for machine learning on public neurophysiological data

EEGDash: 一个用于公共神经生理数据机器学习的开源平台

Bruno Aristimunha, Aviv Dotan, Pierre Guetschel, Aman Jaiswal, Gal Ashkenazi, Dung Truong, Kuntal Kokate, Amitrava Majumdar, Oren Shriki, Arnaud Delorme

专题命中 神经信号处理 ：EEG(abstract,abstract_cn)；分类 q-bio.NC

AI总结 EEGDash是一个开源平台，收录791个公共神经生理记录，通过元数据优先注册、格式修复和自动标签，支持无需自定义代码的机器学习工作流，促进基准测试和跨数据集分析。

Comments 28 pages, 9 figures, 4 tables. Supplementary material included as an ancillary file. EEG-Dash software: https://eegdash.org

Bio-SFT: Asymmetric Cortical Guidance and Retinal Adaptation for Robust HDR Reconstruction

Bio-SFT：用于稳健 HDR 重建的不对称皮层引导和视网膜适应

Tingyu Cheng, Ting Zhang, Chongyi Li, Zhaoqing Pan, Tiesong Zhao

机构 * College of Physics and Information Engineering, Fuzhou University（福州大学物理与信息工程学院） ； School of Computer Science, Nankai University（南开大学计算机科学学院） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

专题命中 神经信号处理 ：cortical(title)

AI总结 研究针对单图像 HDR 重建难题，提出 Bio-SFT 方法，它包含可学习的视网膜适应前端、小细胞 - 大细胞分裂引导及事件驱动的 SNN 硬门控模块，经训练能有效抑制暗区噪声，提高感知质量，减少伪影传播。

An offline approach to fNIRS-guided reinforcement learning for robot behavior

一种用于机器人行为的基于fNIRS引导的强化学习的离线方法

Julia Santaniello, Madelaine Brower, Benson Jiang, Donatello Sassaroli, Robert Jacob, Jivko Sinapov

专题命中 神经信号处理 ：BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结 研究利用fNIRS脑信号调节机器人模拟学习的可行性，比较不同交互任务训练的智能体，测试多种增强强化学习算法的方法，发现该框架能有效利用神经信号增强学习，还可离线学习，为特定场景提供替代方案。

Comments Preliminary results

Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps

量化夹带证据：信息处理通路图的频率主义和贝叶斯方法比较

Kaibo Zhang, Ji Wu, Chao Zhang, Andrew Thwaites

专题命中 神经信号处理 ：neural signal(abstract)；cortical(abstract)；分类 q-bio.NC

AI总结 比较频率主义与贝叶斯方法映射皮层夹带，贝叶斯方法保留核心优势并改变选择标准，通过听觉神经成像数据集评估性能和可解释性，探讨对系统神经科学的影响。

A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

一种具有自适应增量和脉冲频率编码的32通道基于事件的生物信号模拟前端

Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural signal(abstract)

AI总结 本文提出一种用于生物医学信号采集和编码的32通道基于事件的AFE专用集成电路，具有双模编码机制，aADM编码器可实时自适应调整编码数据速率，实现高数据压缩，为脑机接口神经信号自适应无线通信和在线处理提供支持。

Comments Submitted to NeuroPHY 2026 workshop, at the EWSN 2026 conference

Embedded Polygon Symbolic Transfer Entropy (EPSTE): A Geometric Token and Deep Learning Approach to Estimating Transfer Entropy in Neuroimaging Time Series

嵌入多边形符号传递熵 (EPSTE)：一种用于神经影像时间序列传递熵估计的几何令牌与深度学习方法

David Alexander Finnigan

专题命中 神经信号处理 ：EEG(abstract,abstract_cn)

AI总结 提出EPSTE框架，将传递熵估计转化为基于局部时间形态几何符号表示的可学习问题，结合循环神经网络与注意力多实例学习，在MEG数据上实现稳定有向依赖估计。

Comments 45 pages, 13 figures, 2 tables

Neural implants and human safety: single-fault detection for DC-coupled recording front ends

神经植入物与人类安全：直流耦合记录前端的单故障检测

Dimitris Antoniadis, Timothy Constandinou

专题命中 神经信号处理 ：cortical(abstract)；分类 eess.SP、cs.HC

AI总结 本文针对直流耦合神经植入物记录前端的组织安全风险，提出一种基于电流饥饿型弛张振荡器的单故障检测机制，可在规定时间内解析故障并禁用放大器，符合相关安全标准。

Comments Draft IEEE 4 + 1

Recursive Gaussian Processes and the Bayesian Brain

递归高斯过程与贝叶斯大脑

Moumita Das, Dipanjan Ray, Sourabh Bhattacharya

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。

Comments What is your thought process? The Bayesian Recursive Gaussian process?

Leveraging unlabelled data for generalizable neural population decoding

利用未标记数据进行可泛化的神经群体解码

Ximeng Mao, Nanda H. Krishna, Avery Hee-Woon Ryoo, Matthew G. Perich, Guillaume Lajoie

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究利用未标记数据进行可泛化神经群体解码的问题，提出MOJO训练框架，联合自监督学习与监督学习目标，在多数据集上评估，结果显示该框架能提升性能、产生更具可解释性表示且可推广到其他神经模态。

Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features

可解释机器学习利用运动校正QSM MRI和多波段多回波fMRI特征预测帕金森病严重程度

Aixa X. Andrade

机构 * Lyda Hill Department of Bioinformatics（Lyda Hill 生物信息学系） ； Department of Biomedical Engineering（生物医学工程系） ； University of Texas Southwestern Medical Center, Dallas, Texas, USA（德克萨斯西南医学中心，德克萨斯州达拉斯） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 利用可解释机器学习，从QSM和多波段多回波静息态fMRI衍生的ReHo特征预测帕金森病运动严重程度。提取特征进行多模型实验，结果显示不同模型表现及特征贡献，表明结构和功能成像依临床预测目标作用不同。

Comments 16 pages from main manuscript and 17 pages from supplementary information

Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model

发现功能选择性脑区：一种深度地形多模态模型

Badr AlKhamissi, Johannes Mehrer, Lara Marinov, Ahmed Abdelaal, Abdulkadir Gokce, Martin Schrimpf

机构 * University of California, Berkeley（加州大学伯克利分校） ； Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出Topo-Omni模型，通过空间平滑微调预训练基础模型，在单一连续虚拟皮层上整合视觉、听觉和语言/认知处理，产生与人类神经影像一致的多模态聚类，并用于发现新脑区。

Comments Preprint. First two author contributed equally

Learning Hybrid Biophysical Neuron Models with Neural ODEs

利用神经常微分方程学习混合生物物理神经元模型

Jonas Beck, Michael Deistler, Dóra Viktória Molnár, Jakob H. Macke, Philipp Berens

机构 * Hertie Institute for AI in Brain Health（人工智能与脑健康赫尔特研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； Machine Learning in Science, Excellence Cluster Machine Learning, University of Tübingen（科学机器学习，机器学习卓越集群，图宾根大学） ； Max Planck Institute for Biological Intelligence, München, Germany（生物智能马克斯·普朗克研究所，慕尼黑，德国） ； Department Empirical Inference, Max Planck Institute for Intelligent Systems, Tübingen, Germany（经验推断部门，智能系统马克斯·普朗克研究所，图宾根，德国） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出混合建模框架，将神经常微分方程嵌入电导基生物物理模型，以捕捉未知电流或错误指定的通道动力学，从电压记录中恢复可解释的门控动力学，并降低计算成本。

Beyond representational alignment with brain-guided language models for robust reasoning

超越表征对齐：基于大脑引导的语言模型实现稳健推理

Mingqing Xiao, Kai Du, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室、智能科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究通过fMRI信号增强大型语言模型推理能力，提出脑引导框架，在10个模型上实现最高13%的准确率提升。

From Observation to Intervention: Memory in Brains and Large Language Models

从观察到干预：大脑与大型语言模型中的记忆

Morteza Salehjahromi, Shayan A. Zadegan, Amgad Muneer, Jia Wu

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 该研究对比大脑与LLMs的记忆系统，提出可利用LLMs在实验访问上的优势，将记忆相关功能问题转化为更精准的生物学假设，核心是转移实验逻辑而非解剖结构。

Comments Perspective article, 11 pages, 3 figures, 1 table, and 1 key terms box. Submitted for consideration to Nature Machine Intelligence

Perturbation-based Regional Interpretability through Subtraction Mapping (PRISM): naming-error dissociations in language models and post-stroke aphasia

基于减法映射的扰动型区域可解释性方法（PRISM）：语言模型与卒中后失语症中的命名错误分离现象

Xiang Guan, Roger D. Newman-Norlund, Yong Yang, Saeed Ahmadi, Regan Willis, Nadra Salman, Kalil Warren, Srihari Nelakuditi, Chris Rorden, Leonardo Bonilha, Julius Fridriksson

机构 * University of South Carolina（南卡罗来纳大学） ； ALLT.AI, LLC（ALLT.AI有限责任公司） ； USC School of Medicine（南卡罗来纳大学医学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本研究开发PRISM方法，将神经成像减法分析适配至Transformer语言模型，对比模型与213名卒中后失语症患者的命名错误模式，验证了音素偏向性分离等结果，为模型功能专业化提供可证伪的空间分辨率测试工具。

Comments 49 pages, 6 figures, 1 table. Supplementary methods, 6 tables and 5 figures included