脑机接口 / BCI

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