脑机接口 / BCI

xEEGNet: Towards Explainable AI in EEG Dementia Classification

xEEGNet：迈向EEG痴呆分类中的可解释人工智能

Andrea Zanola, Louis Fabrice Tshimanga, Federico Del Pup, Marco Baiesi, Manfredo Atzori

机构 * Department of Neuroscience, University of Padua（帕多瓦大学神经科学系） ； Padua Neuroscience Center（帕多瓦神经科学中心） ； Department of Information Engineering, University of Padua（帕多瓦大学信息工程系） ； Department of Physics and Astronomy, University of Padua（帕多瓦大学物理与天文学系） ； Information Systems Institute, University of Applied Sciences Western Switzerland (HES-SO Valais)（瑞士西部应用科学大学信息系统研究所） 纠错

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

AI总结 xEEGNet通过减少参数和提升可解释性，在EEG痴呆分类中实现了高性能和低过拟合，展示了小型架构的有效性。

Journal ref J. Neural Eng. 22, 046042 (2025)

MapperEEG: A Topological Approach to Brain State Clustering in EEG Recordings

MapperEEG: 一种基于拓扑学的脑状态聚类方法用于EEG记录

Brittany Story, Zhibin Zhou, Ramesh Srinivasan, Scott Kerick, David Boothe, Piotr J. Franaszczuk

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 MapperEEG结合经典EEG分析与拓扑学方法，有效实现脑状态聚类，优于多种现有算法。