脑机接口 / BCI

Graph-Based Learning of Spectro-Topographical EEG Representations with Gradient Alignment for Brain-Computer Interfaces

基于图的学习的光谱-地形EEG表示学习与梯度对齐用于脑机接口

Prithila Angkan, Amin Jalali, Paul Hungler, Ali Etemad

机构 * Ingenuity Labs Research Institute（Ingenuity Labs研究机构） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Chemical Engineering（化学工程系） 纠错

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

AI总结 本文提出GEEGA方法，通过图卷积网络融合多领域信息并结合梯度对齐策略，提升脑机接口中EEG表示的类间分离度。

A Combined Channel Approach for Decoding Intracranial EEG Signals: Enhancing Accuracy through Spatial Information Integration

用于解码皮层脑电信号的综合通道方法：通过空间信息整合提升精度

Maryam Ostadsharif Memar, Navid Ziaei, Behzad Nazari

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

AI总结 本文提出了一种用于解码皮层脑电信号的综合通道方法，通过整合多脑区空间信息提升解码精度，并在多个数据集上验证了其优越性能。

Journal ref 2025 33rd International Conference on Electrical Engineering (ICEE)

Enhancing Interpretability of AR-SSVEP-Based Motor Intention Recognition via CNN-BiLSTM and SHAP Analysis on EEG Data

通过CNN-BiLSTM和SHAP分析提升基于AR-SSVEP的运动意图识别的可解释性

Lin Yang, Xiang Li, Xin Ma, Xinxin Zhao

机构 * School of Control Science（控制科学学院） ； Engineering Shandong University Jinan, Shandong（山东大学工程学院济南山东） ； Shandong Inspur Science Research Institute Co., Ltd. Jinan, Shandong（山东 Inspur 科研院有限公司济南山东） 纠错

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

AI总结 本文提出基于AR-SSVEP的运动意图识别系统，结合CNN-BiLSTM与SHAP分析提升模型可解释性，以改善康复训练中的患者参与度和治疗师工作效率。

Auditory steady-state response and gamma oscillations in an excitatory-inhibitory balanced neuronal network

听觉稳态反应和γ振荡在兴奋性-抑制性平衡神经网络中

Duoyu Feng, Jiajia Li

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

AI总结 本研究提出了一种整合语音信号输入和耳蜗处理的神经网络模型，揭示了噪声对听觉稳态反应的影响，并展示了增强E-I平衡对提高听觉注意力的作用。

Comments 26 pages, 10 figures

Journal ref AIP Advances 15, 095025 (2025)

Decoding Motor Behavior Using Deep Learning and Reservoir Computing

利用深度学习和回声状态网络解码运动行为

Tian Lan

机构 * Graduate School of Economics, Hitotsubashi University, Tokyo, Japan（立命馆大学经济学研究生院，东京，日本） 纠错

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

AI总结 本文提出利用回声状态网络改进EEG解码，以提高运动行为分类的准确率。

Comments 10 pages, 3 figures

Quantification of Planar Cortical Magnification with Optimal Transport and Topological Smoothing

平面皮层放大率的量化：基于最优传输和拓扑平滑

Yujian Xiong, Negar Jalili Mallak, Yanshuai Tu, Zhong-Lin Lu, Yalin Wang

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

AI总结 本研究提出了一种基于最优传输和拓扑平滑的新方法，用于从视皮质图中量化平面皮层放大率，揭示了视场中新的CMF模式并展示了个体差异。

Canonical Tail Dependence for Soft Extremal Clustering of Multichannel Brain Signals

脑多通道信号软极值聚类中的标准尾部依赖

Mara Sherlin Talento, Jordan Richards, Raphael Huser, Hernando Ombao

机构 * Statistics Program, Computer Electrical and Mathematical Science & Engineering, King Abdullah University of Science and Technology（统计学项目，计算机电气和数学科学与工程，国王阿卜杜勒-阿齐兹大学科学与技术学院） ； School of Mathematics and Maxwell Institute for Mathematical Sciences, University of Edinburgh（数学学院和数学科学麦克斯韦研究所，爱丁堡大学） 纠错

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

AI总结 本文提出了一种基于尾部依赖性的脑信号软聚类方法，用于识别癫痫发作及相关风险。

RISE-iEEG: Robust to Inter-Subject Electrodes Implantation Variability iEEG Classifier

RISE-iEEG: 适用于跨受试者电极植入变异的iEEG分类器

Maryam Ostadsharif Memar, Navid Ziaei, Behzad Nazari, Ali Yousefi

机构 * Department of Electrical and Computer Engineering, Isfahan University of Technology（电子与计算机工程系，伊斯法罕理工大学） ； Department of Biomedical Engineering, University of Houston（生物医学工程系，休斯顿大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 q-bio.NC、eess.SP、cs.LG

AI总结 RISE-iEEG是一种针对跨受试者电极植入变异鲁棒的iEEG分类器，通过投影网络实现多受试者数据的通用解码，F1得分优于HTNet和EEGNet。

Journal ref 2025 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)