脑机接口 / BCI

Uncertainty-Aware Cross-Modal Knowledge Distillation with Prototype Learning for Multimodal Brain-Computer Interfaces

具有原型学习的不确定性感知跨模态知识蒸馏用于多模态脑机接口

Hyo-Jeong Jang, Hye-Bin Shin, Seong-Whan Lee

机构 * Department of Brain and Cognitive Engineering, Korea University（脑科学与认知工程系，韩国大学） ； Department of Artificial Intelligence, Korea University（人工智能系，韩国大学） 纠错

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

AI总结 本文提出一种具有原型学习的跨模态知识蒸馏框架，通过缓解模态和标签不一致问题，提升多模态脑机接口中EEG的分类和回归性能。

Comments Accepted to SMC 2025

Toward Robust EEG-based Intention Decoding during Misarticulated Speech in Dysarthria

向在口吃性语言障碍中实现鲁棒的EEG基意图解码

Ha-Na Jo, Jung-Sun Lee, Eunyeong Ko

机构 * Dept. of Artificial Intelligence（人工智能系） ； Korea University（韩国大学） 纠错

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

AI总结 本文提出了一种基于EEG的软多任务学习框架，用于在口吃性语言障碍中实现更稳定的意图解码，通过抑制非特定频谱响应和增强类别区分，提高了正确和口吃试验的F1分数。

Quantifying the Dynamics of Consciousness using Hierarchical Integration, Organised Complexity and Metastability

利用分层整合、有序复杂性和 metastability 量化意识的动力学

Hassan Ugail, Newton Howard

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

AI总结 本文提出一种理论中立的框架，通过分层整合、有序复杂性和 metastability 量化意识相关的神经动态，验证了其在不同脑状态下的有效性。

Comments This paper presents a computational neuroscience framework for quantifying neural integrative dynamics using a composite index. We validate the method on synthetic data and Sleep-EDF EEG across Wake, N2, and REM, using DFA, LZC, PAC, MI, and synchrony measures. Intended for q-bio.NC

Aligning Humans and Robots via Reinforcement Learning from Implicit Human Feedback

通过隐式人类反馈进行人与机器人对齐的强化学习

Suzie Kim, Hye-Bin Shin, Seong-Whan Lee

机构 * Department of Artificial Intelligence, Korea University（人工智能系，韩国大学） ； Department of Brain and Cognitive Engineering, Korea University（脑科学与认知工程系，韩国大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.RO

AI总结 通过隐式人类反馈的强化学习方法，利用脑电图信号提升机器人与人类的对齐能力。

Comments Accepted to IEEE Int. Conf. Syst., Man, Cybern. (SMC) 2025

Multiscale Causal Geometric Deep Learning for Modeling Brain Structure

多尺度因果几何深度学习用于建模大脑结构

Chengzhi Xia, Jianwei Chen, Yixuan Jiang, Qi Yan, Chao Li

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

AI总结 本文提出一种多尺度因果几何深度学习方法，通过多模态MRI整合与谱图理论实现大脑结构建模，提升模型的可解释性和性能。

mViSE: A Visual Search Engine for Analyzing Multiplex IHC Brain Tissue Images

mViSE：一种用于分析多组分IHC脑组织图像的视觉搜索引擎

Liqiang Huang, Rachel W. Mills, Saikiran Mandula, Lin Bai, Mahtab Jeyhani, John Redell, Hien Van Nguyen, Saurabh Prasad, Dragan Maric, Badrinath Roysam

机构 * Cullen College of Engineering, University of Houston（休斯顿大学塞勒恩工程学院） ； The University of Texas McGovern Medical School（德克萨斯大学麦格芬医学学院） ； National Institute of Neurological Disorders and Stroke（国家神经疾病与中风研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 mViSE是一种基于多组分IHC脑组织图像的视觉搜索引擎，通过自监督学习和分而治之策略实现无需编程的多组分分析与检索。

HEDN: A Hard-Easy Dual Network with Source Reliability Assessment for Cross-Subject EEG Emotion Recognition

HEDN：一种具有源可靠性评估的硬易双网络用于跨受体EEG情绪识别

Qiang Wang, Liying Yang, Jiayun Song, Yifan Bai, Jingtao Du

机构 * School of Computer Science and Technology, Xidian University（电子科技大学计算机科学与技术学院） 纠错

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

AI总结 HEDN通过引入源可靠性评估机制，提出了一种轻量级的多源域适应框架，有效提升跨受体EEG情绪识别的性能与效率。

Comments This work has been submitted to the IEEE for possible publication