脑机接口 / BCI

Perceptogram: Reconstructing Visual Percepts and Presumptive Electrode Preference from EEG

Perceptogram: 从EEG重建视觉知觉及推测电极偏好

Teng Fei, Srinivas Ravishankar, Zhining Chen, Abhinav Uppal, Ian Jackson, Virginia R. de Sa

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

AI总结 Perceptogram通过简单线性解码器和CLIP嵌入实现从EEG到图像的高精度重建，并可视化EEG特征图以揭示视觉属性。

MultiDiffNet: A Multi-Objective Diffusion Framework for Generalizable Brain Decoding

MultiDiffNet: 一种面向通用脑解码的多目标扩散框架

Mengchun Zhang, Kateryna Shapovalenko, Yucheng Shao, Eddie Guo, Parusha Pradhan

机构 * University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 EEG解码 ：BCI(abstract)；EEG(abstract)；neural decoding(abstract)；motor imagery(abstract)

AI总结 MultiDiffNet通过多目标扩散框架实现通用脑电解码，提供统一基准测试和统计报告框架，提升跨受试者泛化能力。

SAMBA: Toward a Long-Context EEG Foundation Model via Spatial Embedding and Differential Mamba

通过空间嵌入和微分Mamba实现长上下文EEG基础模型：SAMBA

Jiazhen Hong, Geoffrey Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究公司） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；分类 cs.LG

AI总结 SAMBA通过空间嵌入和微分Mamba模块，实现长上下文EEG建模，提升EEG表示模型的通用性和鲁棒性。

SYNAPSE: Synergizing an Adapter and Finetuning for High-Fidelity EEG Synthesis from a CLIP-Aligned Encoder

SYNAPSE: 适配器与微调协同实现高保真EEG信号到图像的合成

Jeyoung Lee, Hochul Kang

机构 * The Catholic University of Korea（韩国天主大学） 纠错

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

AI总结 SYNAPSE通过结合适配器与微调技术，实现了高保真EEG信号到图像的合成，提升了EEG数据的图像生成质量和跨受体泛化能力。

Brain-MGF: Multimodal Graph Fusion Network for EEG-fMRI Brain Connectivity Analysis Under Psilocybin

Brain-MGF：多模态图融合网络用于psilocybin下EEG-fMRI脑连接分析

Sin-Yee Yap, Fuad Noman, Junn Yong Loo, Devon Stoliker, Moein Khajehnejad, Raphaël C. -W. Phan, David L. Dowe, Adeel Razi, Chee-Ming Ting

机构 * School of Information Technology, Monash University Malaysia（信息技术学院，墨尔本大学马来西亚分校） ； Department of Data Science and AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，墨尔本大学） ； Turner Institute for Brain and Mental Health, School of Psychological Sciences, Monash University（脑与心理健康研究所，心理学科学学院，墨尔本大学） 纠错

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

AI总结 Brain-MGF通过多模态图融合网络实现psilocybin下EEG-fMRI脑连接分析，提升冥想和休息状态下的区分准确率与F1分数。

Comments 5 pages

EVA-Net: Interpretable Anomaly Detection for Brain Health via Learning Continuous Aging Prototypes from One-Class EEG Cohorts

EVA-Net：通过从单类EEG群体学习连续衰老原型进行脑健康可解释性异常检测

Kunyu Zhang, Mingxuan Wang, Xiangjie Shi, Haoxing Xu, Chao Zhang

机构 * Qilu Hospital, ASU（青岛医院，亚利桑那州立大学） ； Zhengzhou University（郑州大学） ； University of Science and Technology Beijing（北京科技大学） ； Southern University of Science and Technology（南方科技大学） ； Qilu Hospital（青岛医院） 纠错

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

AI总结 EVA-Net通过学习连续衰老原型，从单类EEG群体中实现脑健康可解释性异常检测，提升医疗数据处理的可解释性与准确性。

EEG-VLM: A Hierarchical Vision-Language Model with Multi-Level Feature Alignment and Visually Enhanced Language-Guided Reasoning for EEG Image-Based Sleep Stage Prediction

EEG-VLM：一种具有多级特征对齐和视觉增强语言引导推理的分层视觉-语言模型，用于基于EEG图像的睡眠阶段预测

Xihe Qiu, Gengchen Ma, Haoyu Wang, Chen Zhan, Xiaoyu Tan, Shuo Li

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Department of Control Science and Engineering, College of Electronics and Information Engineering, Tongji University（同济大学电子信息工程学院控制科学与工程系） ； Tencent Youtu Lab（腾讯云视觉实验室） ； Case Western Reserve University（凯斯西储大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 EEG-VLM通过多级特征对齐和视觉增强语言引导推理，提升基于EEG图像的睡眠阶段分类的准确性和可解释性。

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

SpellerSSL: 基于P300聚合的自监督学习用于拼写BCI

Jiazhen Hong, Geoff Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究） 纠错

专题命中 EEG解码 ：brain-computer interface(abstract)；EEG(abstract)；分类 eess.SP、cs.LG

AI总结 SpellerSSL通过结合自监督学习与P300聚合，提升拼写BCI的信噪比、泛化能力和校准效率。

Journal ref Proceedings of the NeurIPS 2025 Workshop on Data on the Brain and Mind

Forecasting-based Biomedical Time-series Data Synthesis for Open Data and Robust AI

基于预测的生物医学时间序列数据合成用于开放数据和鲁棒AI

Youngjoon Lee, Seongmin Cho, Yehhyun Jo, Jinu Gong, Hyunjoo Jenny Lee, Joonhyuk Kang

机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电气工程学院） ； Department of Applied AI, Hansung University, Seoul, Republic of Korea（汉城市立大学应用人工智能系） 纠错

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

AI总结 本文提出基于预测模型的生物医学时间序列数据合成方法，通过高保真复现EEG和EMG信号，提升AI模型性能并促进开放数据共享。

Comments 22 pages

Functional Classification of Spiking Signal Data Using Artificial Intelligence Techniques: A Review

利用人工智能技术对尖峰信号数据进行功能分类：综述

Danial Sharifrazi, Nouman Javed, Javad Hassannataj Joloudari, Roohallah Alizadehsani, Prasad N. Paradkar, Ru-San Tan, U. Rajendra Acharya, Asim Bhatti

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

AI总结 本文综述了人工智能在尖峰信号分类中的应用，探讨了预处理、分类和评估三个关键步骤，并强调了对更高效算法的需求。

Comments 8 figures, 32 pages

The Hydraulic Brain: Understanding as Constraint-Release Phase Transition in Whole-Body Resonance

液压大脑：整体共振中约束释放相变的理解

Ahmed Gamal Eldin

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

AI总结 本文通过脑-体共振的约束释放相变机制，揭示了生物认知的热力学过程，提出了一种区分生物与人工智能的新框架。

Comments 14 pages, 2 figures. Companion to arXiv:2511.10596

Accelerating Reinforcement Learning via Error-Related Human Brain Signals

通过误差相关的人脑信号加速强化学习

Suzie Kim, Hye-Bin Shin, Hyo-Jeong Jang

机构 * Dept. of Artificial Intelligence Korea University Seoul, Republic of Korea（人工智能系韩国大学首尔共和国） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.RO

AI总结 通过整合误差相关的人脑信号，加速复杂机器人操作中的强化学习，提升任务成功率。

The Geometry of Cortical Computation: Manifold Disentanglement and Predictive Dynamics in VCNet

卷积计算的几何学：VCNet中的流形解缠与预测动态

Brennen A. Hill, Zhang Xinyu, Timothy Putra Prasetio

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 威斯康星大学麦迪逊分校） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

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

AI总结 VCNet通过融合神经科学原理和几何框架，实现了更高效且鲁棒的视觉计算，展示了在图像分类任务中优于现有模型的性能。

Comments Published in the proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Symmetry and Geometry in Neural Representations (NeurReps). Additionally accepted for presentation in NeurIPS 2025 Workshop: Interpreting Cognition in Deep Learning Models (CogInterp)

DualGazeNet: A Biologically Inspired Dual-Gaze Query Network for Salient Object Detection

DualGazeNet: 一种生物启发的双目注视查询网络用于显著物体检测

Yu Zhang, Haoan Ping, Yuchen Li, Zhenshan Bing, Fuchun Sun, Alois Knoll

机构 * School of Computation, Information and Technology, Technical University of Munich（计算信息与技术学院，慕尼黑技术大学） ； Department of Informatics, Technical University of Munich（信息学院，慕尼黑技术大学） ； University Research and Innovation Center, Obuda University（奥布达大学研究与创新中心） ； State Key Laboratory for Novel Software Technology, Nanjing University Suzhou Campus（新型软件技术国家重点实验室，南京大学苏州校区） ； School of Science and Technology, Nanjing University Suzhou Campus（科学与技术学院，南京大学苏州校区） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 DualGazeNet通过生物启发的纯Transformer框架，实现了显著物体检测的高效准确性和计算效率，超越了多种现有方法。

Energy-based Autoregressive Generation for Neural Population Dynamics

基于能量的自回归生成用于神经群体动力学

Ningling Ge, Sicheng Dai, Yu Zhu, Shan Yu

机构 * Ningling Ge 1,2,3（Ge Ningling 机构1, 机构2, 机构3） ； Sicheng Dai 1,2,3,4（Dai Sicheng 机构1, 机构2, 机构3, 机构4） ； Yu Zhu 1,2,3,4（Zhu Yu 机构1, 机构2, 机构3, 机构4） ； Shan Yu 1, 3（Yu Shan 机构1, 机构3） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出基于能量的自回归生成框架，用于高效生成神经群体动态，展示其在生成质量和计算效率上的优势。