脑机接口 / BCI

Forecasting Excessive Anesthesia Depth Using EEG α-Spindle Dynamics and Machine Learning

利用EEG α-脊波动力学和机器学习预测过度麻醉深度

Christophe Sun, Pierre-Olivier Michel, François David, Nathalie Rouach, Dan Longrois, David Holcman

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

AI总结 本研究利用EEG α-脊波动力学和机器学习，开发出实时预测麻醉药物过量的非侵入性方法，提高麻醉管理的前瞻性。

Comments 11 pages, 4 figures

Enhancing Alzheimer's Detection through Late Fusion of Multi-Modal EEG Features

通过多模态EEG特征晚融合增强阿尔茨海默病检测

Nguyen Thanh Vinh, Manoj Vishwanath, Thinh Nguyen-Quang, Nguyen Viet Ha, Bui Thanh Tung, Huy-Dung Han, Nguyen Quang Linh, Nguyen Hai Linh, Hung Cao

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

AI总结 本研究提出一种基于多模态EEG特征晚融合的深度学习框架，用于提高阿尔茨海默病的早期检测准确率。

Leveraging Foundational Models and Simple Fusion for Multi-modal Physiological Signal Analysis

利用基础模型和简单融合进行多模态生理信号分析

Youssef Ghallab, Omar Iraqy, Mohamed Kandil, Mohamed Ashraf, Saadeldine Eletter, Morougue Ghazal, Ayman Khalafallah, Nagwa El-Makky

机构 * Computer and Communication Engineering Department, Alexandria University（亚历山大大学计算机与通信工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出利用基础模型和简单融合方法，通过双掩码策略和对称编码器提升多模态生理信号分析的性能，实现情绪识别的高精度结果。

Comments Published at NeurIPS 2025 Workshop on Foundation Models for the Brain and Body

Nonparametric Linear Discriminant Analysis for High Dimensional Matrix-Valued Data

非参数线性判别分析用于高维矩阵值数据

Seungyeon Oh, Seongoh Park, Hoyoung Park

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出了一种非参数线性判别分析方法，用于高维矩阵值数据的分类，通过非参数最大似然估计提升分类性能。

Comments 24 pages, 11 figures, 5 tables and Supplementary Material (7 pages, 13 figures and 1 table )

Brain-Muscle Atlas: A novel framework for Motor Brain-Computer Interfaces

脑-肌图谱：一种用于运动脑机接口的新框架

Ye Sun, Bowei Zhao, Dezhong Yao, Rui Zhang, Bohan Zhang, Xiaoyuan Li, Jing Wang, Mingxuan Qu, Gang Liu

专题命中 神经信号处理 ：brain-computer interface(title,abstract)；EEG(abstract)；neural signal(abstract)；cortical(abstract)

AI总结 本研究提出脑-肌图谱框架，通过EEG-EMG数据构建运动解码模型，实现对肘关节运动的高精度实时控制。

Comments 14 pages, 9 figures