脑机接口 / BCI

System Filter-Based Common Components Modeling for Cross-Subject EEG Decoding

基于系统滤波器的跨受体EEG解码共同成分建模

Xiaoyuan Li, Xinru Xue, Bohan Zhang, Ye Sun, Shoushuo Xi, Gang Liu

机构 * college of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；motor imagery(abstract)

AI总结 本文提出基于系统滤波器的跨受体EEG解码共同成分建模方法，通过分离共同成分提升解码性能。

Comments 12 pages, 11 figures

EEG Emotion Recognition Through Deep Learning

通过深度学习进行EEG情绪识别

Roman Dolgopolyi, Antonis Chatzipanagiotou

专题命中 EEG解码 ：EEG(title,abstract)；分类 eess.SP、cs.LG

AI总结 本文提出了一种基于CNN-Transformer的EEG情绪识别模型，实现91%的准确率，通过减少EEG电极需求，推动低成本消费级设备的应用，为情绪监测和心理健康干预提供新途径。

Comments This version corresponds to the original manuscript submitted to the 22nd EMCIS conference prior to peer review. The peer-reviewed and accepted version will appear in the Springer conference proceedings

STAMP: Spatial-Temporal Adapter with Multi-Head Pooling

STAMP：带有多头池化的空间-时间适配器

Brad Shook, Abby Turner, Jieshi Chen, Michał Wiliński, Mononito Goswami, Jonathan Elmer, Artur Dubrawski

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh School of Medicine（匹兹堡大学医学学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 STAMP通过多头池化机制，利用通用TSFMs生成的单变量嵌入，隐式建模EEG数据的空间-时间特性，实现与现有EEGFMs相当的性能。

Comments Accepted as a Proceedings paper at Machine Learning for Health (ML4H) 2025, invited presentation at the Time Series for Health (TS4H) Workshop, NeurIPS 2025. v2: Updated author affiliation and corrected a duplicated word in the text. No other changes

UT-OSANet: A Multimodal Deep Learning model for Evaluating and Classifying Obstructive Sleep Apnea

UT-OSANet: 一种用于评估和分类阻塞性睡眠呼吸暂停的多模态深度学习模型

Zijian Wang, Xiaoyu Bao, Chenhao Zhao, Jihui Zhang, Sizhi Ai, Yuanqing Li

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 UT-OSANet是一种多模态深度学习模型，用于高精度评估和分类阻塞性睡眠呼吸暂停，通过多种输入模态和灵活训练策略实现事件层面的诊断。

Comments 12 pages,8 figures