脑机接口 / BCI

More than a feeling: Expressive style influences cortical speech tracking in subjective cognitive decline

不仅仅是感觉：表达风格影响主观认知下降中的皮层语音追踪

Matthew King-Hang Ma, Yun Feng, Cloris Pui-Hang Li, Manson Cheuk-Man Fong

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

AI总结 研究主观认知下降（SCD）患者听自然语音时的神经动态，发现皮层追踪强度（CTS）对亚音节语言特征和韵律平坦语音的减弱可作为早期认知衰退的潜在神经标志。

Comments Accepted at Interspeech 2026. Contains minor updates over the last version following peer review

Analysis of Evolving Cortical Neuronal Networks Using Visual Informatics

使用视觉信息学分析演化的皮层神经元网络

Ho Fai Po, Akke Mats Houben, Anna-Christina Haeb, Yordan P. Raykov, Daniel Tornero, Jordi Soriano, David Saad

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

AI总结 本研究利用基于余弦度量的最小失真嵌入（MDE）降维框架，分析神经元群体活动在发育和刺激下的变化，相比PCA和t-SNE，MDE能更好地保留活动轨迹和条件内半径等生物学信息。

CORTET: Robust generation of simulation-ready cortical meshes

CORTET：稳健生成可用于模拟的皮质网格

Davood Shahsavari, Irina Grigorescu, Jiaxin Xiao, Nashira Baena, Aakash Saboo, Saga N. B. Masui, Yourong Guo, Vanessa Kyriakopoulou, Alena Uus, Martin J. Bishop, Katherine R. Long, Emma C. Robinson

专题命中 神经信号处理 ：cortical(title,abstract)

AI总结 研究针对人类大脑褶皱差异影响神经发育障碍成像生物标志物寻找的问题，提出CORTET全自动管道，将皮质表面转换为高质量四面体网格，经与通用网格划分器对比及多胎儿受试者验证，实现数值稳定的胎儿大脑形态弹性折叠模拟。

Comments 12 pages

Spatiotemporal bursting in simulated cultures of cortical neurons

培养皮层神经元中的时空爆发活动

Michael Stiber, Natalie Gonzales, Jewel YunHsuan Lee

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

AI总结 通过模拟研究，发现培养皮层神经元网络中的爆发活动起源于少数网络位置并以波形式传播，且不需要精细调节参数。

Comments 31 pages, 7 figures; substantial revisions; accepted for publication by Biosystems

Varying-coefficient mixture of experts model for dynamic heterogeneous populations: application to mouse cortical development

用于动态异质群体的变系数专家混合模型：在小鼠皮质发育中的应用

Qicheng Zhao, Celia M. T. Greenwood, Qihuang Zhang

专题命中 神经信号处理 ：cortical(title)

AI总结 研究细胞分化中基因关联变化难题，提出VCMoE模型，其系数随索引变量平滑变化，开发标签一致EM算法及相关理论，经模拟验证，应用于小鼠皮质数据发现新动态，有实现该方法的软件包。

Comments Revised manuscript with expanded simulations, new real-data analyses

Scientific Machine Learning of Chaotic Systems Learns Reduced-Order Equations for Neural Populations

混沌系统的科学机器学习发现神经群体的支配方程

Anthony G. Chesebro, David Hofmann, Vaibhav Dixit, Earl K. Miller, Richard H. Granger, Alan Edelman, Christopher V. Rackauckas, Lilianne R. Mujica-Parodi, Helmut H. Strey

机构 * Department of Biomedical Engineering and Laufer Center for Physical and Quantitative Biology, State University of New York at Stony Brook, NY, USA（生物医学工程系和物理与定量生物学拉夫中心，石溪大学纽约州立大学 Stony Brook 分校） ； Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, MA, USA（Athinoula A. Martinos 生物医学成像中心，麻省总医院和哈佛医学院） ； Computer Science and Artificial Intelligence Lab, Massachusetts Institute of Technology, MA, USA（计算机科学与人工智能实验室，麻省理工学院） ； Picower Institute for Learning and Memory, Massachusetts Institute of Technology, MA, USA（记忆学习研究所，麻省理工学院） ； Psychological and Brain Sciences, Dartmouth College, NH, USA（心理学与脑科学系，达特茅斯学院） ； Santa Fe Institute, NM, USA（圣菲研究所） 纠错

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

AI总结 该研究提出PEM-UDE方法，通过科学机器学习从混沌系统中发现可解释的支配方程，成功恢复噪声污染数据中的动态，并在神经群体中推导出符合生物约束的新方程。

Comments 54 pages, 10 figures

Embedding of Low-Dimensional Sensory Dynamics in Recurrent Networks: Implications for the Geometry of Neural Representation

低维感觉动态在循环网络中的嵌入：对神经表征几何的启示

Vikas N. O'Reilly-Shah, Alessandro Maria Selvitella

机构 * University of Washington School of Medicine（华盛顿大学医学院） ； Purdue University Fort Wayne（普渡大学韦恩堡分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究探讨了低维感觉动态如何在循环网络中形成嵌入结构，并揭示了预测性能对表征几何的约束作用。

Comments Accepted/forthcoming, Journal of Computational Neuroscience

Topographic Constraints Shape Brain-Like Component Structure in Auditory Models

地形约束塑造听觉模型中类脑的组件结构

Haider Al-Tahan, Mayukh Deb, Jenelle Feather, N. Apurva Ratan Murty

机构 * Cognition and Brain Science, School of Psychology, Georgia Tech（认知与脑科学系，心理学学院，佐治亚理工学院） ； Computational Cognition, Georgia Tech（计算认知学，佐治亚理工学院） ； Neuroscience Institute and Department of Psychology, Carnegie Mellon University（神经科学研究所和心理学系，卡内基梅隆大学） 纠错

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

AI总结 该研究探究地形约束对听觉神经网络模型的影响，提出TopoAudio模型，发现其性能与标准模型相当且内部表示更紧凑、组件与人类ECoG记录对齐更紧密，为人工神经网络生成生物对齐表示提供了机制证据。

Explanations of Large Language Models Explain Language Representations in the Brain

大语言模型的解释可解释大脑中的语言表征

Maryam Rahimi, Mohammad Reza Daliri, Yadollah Yaghoobzadeh

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

AI总结 该研究探究LLM与脑语言表征对齐的驱动因素，利用XAI的归因方法结合fMRI数据，发现梯度归因可稳健对齐脑活动，且不同层归因的特性与脑区域对齐模式存在差异。

Mechanistic bridges from receptors to whole-brain dynamics: mean-field reductions, validity domains, and computational trade-offs

从受体到全脑动力学的机制桥梁：平均场约化、有效性域与计算权衡

Yannael Bossard, Lehna Bekri, Alain Destexhe

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

AI总结 本综述梳理受体感知全脑模型的数学谱系，明确其约化假设，将其置于约化群体模型格局中，引入模拟成本与内存流量作为基准维度，界定该建模为多属性间的权衡。

Comments Minor typographical corrections and consistency fixes; conclusions unchanged

The Fast Lane Hypothesis: Von Economo Neurons Implement a Biological Speed-Accuracy Tradeoff

快速通道假说：von Economo神经元实现一种生物速度-准确性权衡

Esila Keskin

机构 * School of Computing and Creative Technologies, University of the West of England, Bristol, UK（西英格兰大学计算与创意技术学院，布里斯托尔，英国） 纠错

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

AI总结 本文提出von Economo神经元通过稀疏快速投射路径实现生物速度-准确性权衡，通过模拟社会辨别任务验证其在不同病理条件下对决策速度的影响。

Comments 7 pages, 5 figures. Code available at https://github.com/esila-keskin/fast-lane-hypothesis

Noise-Induced Transitions and Coherence Resonance in a 5D Conductance-Based Neuronal Model

噪声加速的Kramers逃逸与神经曼哈顿中相干共振

Yefan Wu

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

AI总结 本文研究了噪声对神经元兴奋性的影响，揭示了乘性噪声通过Kramers逃逸机制促进神经元在高维振荡器中达到病理性超兴奋状态的物理机制。

Comments 15 pages, 12 figures. Revised version with expanded numerical validation and robustness analyses

Automated detection of circadian-dependent epileptic biomarkers for seizure localization using machine learning and signal processing

使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位

Mehdi Zekriyapanah Gashti, Mostafa Mohammadpour, Hassan Eshkiki, Vahid Ghanbarizadeh

专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。

Comments This version corresponds to the published journal article

Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026

Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning

赢家通吃瓶颈强制多任务学习中的解耦符号表示

Julian Gutheil, Simon Hitzginger, Robert Legenstein

机构 * Institute of Machine Learning and Neural Computation（机器学习与神经计算研究所） ； Graz University of Technology（格拉茨技术大学） ； Graz, Austria（奥地利格拉茨） 纠错

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

AI总结 本文研究了赢家通吃瓶颈在多任务学习中强制提取数据类别潜在因素的作用，证明了其产生的表示具有高度符号性，并通过实验验证了其在一般化中的优势。

Comments We have revised the theorem and its proof. We have also corrected some minor errors

Hi-DREAM: Brain-Inspired Hierarchical Diffusion for fMRI-to-Image Reconstruction via ROI Encoder and VisuAl Mapping

Hi-DREAM: 基于脑启发的层次化扩散用于fMRI到图像重建，通过ROI编码器和视觉映射

Guowei Zhang, Yun Zhao, Kai Sun, Moein Khajehnejad, Adeel Razi, Dinh Phung, Levin Kuhlmann

机构 * Dept of Data Science and AI, Monash University, Melbourne, Australia（数据科学与人工智能系，墨尔本大学，澳大利亚） ； School of Psychological Sciences, Monash University, Melbourne, Australia（心理学科学学院，墨尔本大学，澳大利亚） ； Brain and Mind Centre, University of Sydney, Sydney, Australia（脑与心智中心，悉尼大学，澳大利亚） 纠错

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

AI总结 提出Hi-DREAM框架，利用层次化扩散模型，通过ROI适配器将早期、中期和晚期视觉ROI流转换为多尺度皮层金字塔，并用轻量级ROI条件ControlNet注入解剖先验，在NSD数据集上实现最先进的高层语义重建和强低层结构。

Comments 18 pages, 5 figures

Sensing Intelligence as a Trainable Metamaterial Property

感知智能作为可训练的元材料属性

Kyungmi Na, Yifei Li, Xinyi Yang, Bolei Deng

机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德鲁·福金斯航空航天工程学院，佐治亚理工学院） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室，麻省理工学院） 纠错

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

AI总结 本文提出将感知智能作为可训练的元材料属性，通过可微仿真优化元材料几何结构，使神经网络能够训练其身体进行感知，从而显著提升感知精度或减少电子传感器数量。

Generative causal testing to bridge data-driven models and scientific theories in language neuroscience

生成式因果测试：弥合语言神经科学中数据驱动模型与科学理论之间的鸿沟

Richard Antonello, Chandan Singh, Shailee Jain, Aliyah Hsu, Sihang Guo, Jianfeng Gao, Bin Yu, Alexander Huth

机构 * Computer Science Department, University of Texas at Austin（德克萨斯大学计算机科学系） ； Microsoft Research（微软研究院） ； Neurosurgery Department, University of California（加州大学神经外科系） ； EECS Department, University of California（加州大学电子工程与计算机科学系） ； Statistics Department, University of California（加州大学统计学系） ； Center for Computational Biology, University of California（加州大学计算生物学中心） ； Neuroscience Department, University of California（加州大学神经科学系） 纠错

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

AI总结 提出生成式因果测试（GCT）框架，利用大语言模型生成简洁解释并通过LLM生成刺激进行验证，成功解释大脑区域的语言选择性，弥合数据驱动模型与科学理论之间的差距。

Comments Accepted to Nature Neuroscience, please cite that version

Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension

基于独立成分的故事理解过程中大脑活动的编码模型

Kamya Hari, Taha Binhuraib, Jin Li, Cory Shain, Anna A. Ivanova

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程学院） ； School of Psychological and Brain Sciences, Georgia Institute of Technology（佐治亚理工学院心理学与脑科学学院） ； Department of Linguistics, Stanford University（斯坦福大学语言学系） 纠错

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

AI总结 提出基于独立成分的编码框架，从fMRI数据中分离刺激驱动和噪声信号，利用语言模型预测独立成分时间序列，识别出与听觉和语言相关的认知网络，验证了成分的可解释性和跨个体一致性。

Comments Accepted to CCN 2026 (Proceedings Track)

Understanding Sample Efficiency in Predictive Coding

理解预测编码中的样本效率

Gaspard Oliviers, Elene Lominadze, Rafal Bogacz

机构 * Nuffield Department of Clinical Neurosciences, University of Oxford, United Kingdom（牛津大学神经科学学院Nuffield部门，英国） ； MRC Centre of Research Excellence in Restorative Neural Dynamics, United Kingdom（英国修复神经动力学研究卓越中心） 纠错

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

AI总结 本文研究预测编码在样本效率上的优势，通过目标对齐度量分析BP和PC的学习效率，发现PC在深度、狭窄和预训练网络中表现更优，提供机制理解以指导PC参数设计。

Updating the standard neuron model in artificial neural networks

更新人工神经网络中的标准神经元模型

Raul Mohedano, Thomas Batard, Erik Velasco-Salido, Ramsses De Los Santos Mendoza, Jorge H. Martínez, Stacey Levine, Marcelo Bertalmío

机构 * Spanish National Research Council (CSIC)（西班牙国家研究理事会（CSIC）） ； Center for Research in Mathematics (CIMAT)（数学研究中心（CIMAT）） ； Universidad Autónoma de Madrid (UAM)（马德里自治大学（UAM）） ； National Science Foundation (NSF)（国家科学基金会（NSF）） 纠错

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

AI总结 本文用更真实的皮层细胞模型替代标准点神经元模型，在不增加参数的情况下，提升了人工神经网络的表达能力、鲁棒性和学习速度，并减少了记忆化和所需训练数据量。

Comments Acknowledgments included in the manuscript

Maximum-Entropy Model of Colored Noise in Superdiffusive Axonal Growth

超扩散轴突生长中的最大熵模型

Julian Sutaria, Cristian Staii

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文基于最大熵原理，发展了轴突生长的粗粒度随机理论，通过推导牵引力弛豫率分布，预测了超扩散行为及速度自相关函数的幂律衰减。

Comments 20 pages, 5 figures

Uncertain but Useful: Leveraging CNN Training Variability into Data Augmentation

不确定但有用：将CNN训练变异性用于数据增强

Inés Gonzalez-Pepe, Vinuyan Sivakolunthu, Yohan Chatelain, Tristan Glatard

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本研究揭示FastSurfer分割模型训练中的数值不确定性超过FreeSurfer，并利用随机种子变异性作为数据增强技术，通过集成提升下游脑龄回归性能。