脑机接口 / BCI

SSDLabeler: Realistic semi-synthetic data generation for multi-label artifact classification in EEG

SSDLabeler: 多标签伪影分类在EEG中的现实半合成数据生成

Taketo Akama, Akima Connelly, Shun Minamikawa, Natalia Polouliakh

机构 * Sony Computer Science Laboratories, Inc.（索尼计算机科学实验室） 纠错

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

AI总结 SSDLabeler通过生成真实注释的半合成数据，提升多标签伪影分类器在EEG中的准确性，解决传统方法在数据真实性和适用性上的不足。

Decoding Selective Auditory Attention to Musical Elements in Ecologically Valid Music Listening

解码生态化音乐聆听中对音乐元素的选择性听觉注意

Taketo Akama, Zhuohao Zhang, Tsukasa Nagashima, Takagi Yutaka, Shun Minamikawa, Natalia Polouliakh

机构 * Sony Computer Science Laboratories, Inc（索尼计算机科学实验室） 纠错

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

AI总结 本文首次利用消费级EEG设备解码真实录音室歌曲中听众对音乐元素的选择性注意，展示了在自然聆听环境下可行的神经解码方法。

Fuzzing the brain: Automated stress testing for the safety of ML-driven neurostimulation

对大脑进行模糊测试：用于ML驱动的神经刺激安全性的自动化压力测试

Mara Downing, Matthew Peng, Jacob Granley, Michael Beyeler, Tevfik Bultan

机构 * Department of Computer Science, University of California, Santa Barbara, CA, USA（计算机科学系，加州大学圣巴巴拉分校） 纠错

专题命中 神经假体 ：neuroprosthetic(abstract)；neural interface(abstract)

AI总结 本文提出了一种基于模糊测试的自动化方法，用于检测和表征ML驱动神经刺激系统中的不安全刺激模式，以提升神经接口的安全性。

Comments 20 pages, 4 figures, 2 tables