脑机接口 / BCI

How Light Shapes Memory: Beta Synchrony in the Temporal-Parietal Cortex Predicts Cognitive Ergonomics for BCI Applications

光如何塑造记忆：时间-顶叶皮层的β同步性预测BCI应用中的认知人体工学

Jiajia Li, Tian Guo, Fan Li, Huichao Ding, Guozheng Xu, Jian Song

专题命中 EEG解码 ：BCI(title)；brain-computer interface(abstract)；EEG(abstract)；分类 q-bio.NC

AI总结 本研究通过分析顶叶-顶叶β同步性，揭示光照对工作记忆状态识别的影响，为BCI应用中的认知人体工学提供了新的预测方法。

Comments 16 pages,8 figures

Graph Attention Networks for Detecting Epilepsy from EEG Signals Using Accessible Hardware in Low-Resource Settings

基于图注意力网络的癫痫检测方法：利用低成本硬件在资源匮乏地区检测癫痫

Szymon Mazurek, Stephen Moore, Alessandro Crimi

机构 * AGH University of Krakow（克拉科夫AGH大学） ； University of Cape Coast（科克海岸大学） 纠错

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

AI总结 本文提出了一种基于图注意力网络的低成本癫痫检测方法，利用EEG信号在资源匮乏地区实现高效且可解释的诊断支持。

BIONIX: A Wireless, Low-Cost Prosthetic Arm with Dual-Signal EEG and EMG Control

BIONIX：一种无线、低成本的假肢手臂，采用双信号EEG和EMG控制

Pranesh Sathish Kumar

机构 * Alliance Academy for Innovation（创新联盟学院） ； Cumming, GA（佐治亚州库姆инг） 纠错

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

AI总结 BIONIX项目提出了一种低成本假肢手臂，结合EEG和EMG双信号控制，实现多自由度实时控制，适用于低资源环境中的截肢者。

Comments 12 pages, 8 figures

An Automated Classifier of Harmful Brain Activities for Clinical Usage Based on a Vision-Inspired Pre-trained Framework

基于视觉启发预训练框架的自动有害脑活动分类器

Yulin Sun, Xiaopeng Si, Runnan He, Xiao Hu, Peter Smielewski, Wenlong Wang, Xiaoguang Tong, Wei Yue, Meijun Pang, Kuo Zhang, Xizi Song, Dong Ming, Xiuyun Liu

机构 * Medical School, Tianjin University（天津大学医学院） ； Tianjin University（天津大学） ； State Key Laboratory of Advanced Medical Materials and Devices, Tianjin University（天津大学先进医疗材料与设备国家重点实验室） ； Haihe Laboratory of Brain-computer Interaction and Human-machine Integration, Tianjin（脑机交互与人机集成海河实验室） ； Nell Hodgson Woodruff School of Nursing, Emory University（埃默里大学内尔·霍德森·伍德鲁夫护理学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 基于视觉启发预训练框架，开发了VIPEEGNet自动分类器，实现对有害脑活动的高准确率识别，性能接近人类专家，参数使用效率高。

Multivariate Joint Recurrence Quantification Analysis: detecting coupling between time series of different dimensionalities

多变量联合复发量化分析：检测不同维度时间序列之间的耦合

Sebastian Wallot, Dan Mønster

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出多变量联合复发量化分析方法，用于分析不同维度时间序列之间的耦合特性，并通过实验验证其有效性。

Comments Updated version. 55 pages, 10 figures