脑机接口 / BCI

Wheelchair automation by a hybrid BCI system using SSVEP and eye blinks

通过SSVEP和眼跳混合BCI系统实现轮椅自动化

Lizy Kanungo, Nikhil Garg, Anish Bhobe, Smit Rajguru, Veeky Baths

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

AI总结 通过结合SSVEP和眼跳的混合BCI系统，实现残障人士的轮椅自动化控制，实验结果显示高准确率和高效执行。

Comments Accepted to 2021 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS (SMC)

Unveiling the Heart-Brain Connection: An Analysis of ECG in Cognitive Performance

揭示心脑联系：对认知表现中ECG的分析

Akshay Sasi, Malavika Pradeep, Nusaibah Farrukh, Rahul Venugopal, Elizabeth Sherly

机构 * Digital University Kerala（数字大学凯拉尔） ； Centre for Consciousness Studies, NIMHANS（意识研究中心，NIMHANS） 纠错

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

AI总结 本文通过ECG信号分析认知负荷，提出跨模态XGBoost框架实现EEG代表性认知空间投影，验证ECG在日常认知监测中的可行性。

Comments 6 pages, 6 figures. Code available at https://github.com/AkshaySasi/Unveiling-the-Heart-Brain-Connection-An-Analysis-of-ECG-in-Cognitive-Performance. Presented at AIHC (not published)

Escaping the Filter Bubble: Evaluating Electroencephalographic Theta Band Synchronization as Indicator for Selective Exposure in Online News Reading

突破过滤气泡：评估脑电图theta波同步作为在线新闻阅读中选择性暴露的指标

Thomas Krämer, Daniel Hienert, Francesco Chiossi, Thomas Kosch, Dagmar Kern

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图和眼动追踪评估在线新闻阅读中的选择性暴露，以提供更平衡的信息推荐

Journal ref In CHI EA 2025: Proceedings of the Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, edited by Naomi Yamashita, Vanessa Evers, Koji Yatani, and Xianghua Sharon Ding, 228. New York: ACM

Neural Networks on Symmetric Spaces of Noncompact Type

在非紧致型对称空间上神经网络

Xuan Son Nguyen, Shuo Yang, Aymeric Histace

机构 * ETIS, UMR 8051, CY Cergy Paris University, ENSEA, CNRS, France（ETIS研究所、法国巴黎中央理工学院、ENSEA、CNRS） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出了一种在非紧致型对称空间上设计神经网络的新方法，通过统一的距离公式实现完全连接层和注意力机制，验证了其在图像分类等任务中的有效性。

Comment on: Your Brain on ChatGPT: Accumulation of Cognitive Debt When Using an AI Assistant for Essay Writing Tasks

对《你的大脑与ChatGPT：在使用AI助手进行论文写作任务时的认知债务积累》的评论

Milos Stankovic, Ella Hirche, Sarah Kollatzsch, Julia Nadine Doetsch

专题命中 EEG解码 ：EEG(abstract)

AI总结 该评论指出Kosmyna等人（2025）研究中存在样本量小、分析不可重复、EEG分析方法问题、结果报告不一致及透明度不足等需改进之处。

Comments Comment on arXiv:2506.08872

Quantitative ultrasound imaging of bone: anatomical images, tissue structural quality, and pulsatile blood flow

定量超声成像用于骨组织：解剖图像、组织结构质量及脉动血流

Gabrielle Laloy-Borgna, Nastassia Navasiolava, Pim Hutting, Andréa Bertona, Amadou S. Dia, Sébastien Salles, Anthony Augé, Alice Mazzolini, Quentin Grimal, Olivier Lucidarme, Hervé Locrelle, Jacques-Olivier Fortrat, Laurence Vico, Marc-Antoine Custaud, Guillaume Renaud

专题命中 神经信号处理 ：cortical(abstract)

AI总结 该研究提出了一种定量超声方法，通过一次检查获取骨的解剖结构、组织质量及血流信息，首次在体内观察到骨皮质内的反应性超血流，展示了其在骨疾病诊断中的潜力。

Modes of Mechanical Guidance of Adhesion-Independent Cell Migration

机械引导非黏附细胞迁移的模式

Hanna Luise Gertack, Peter A. E. Hampshire, Claudia Wohlgemuth, Ricard Alert, Sebastian Aland

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出了一种相场模型，用于研究机械信号如何引导非黏附细胞的迁移行为，揭示了主动表面动力学在细胞运动中的作用。

Comments 22 pages, 8 figures

Neural Digital Twins: Toward Next-Generation Brain-Computer Interfaces

神经数字孪生：下一代脑机接口的前沿

Mohammad Mahdi Habibi Bina, Sepideh Baghernezhad, Mohammad Reza Daliri, Mohammad Hassan Moradi

专题命中 神经假体 ：brain-computer interface(title,abstract)；BCI(abstract)；neural decoding(abstract)；neural interface(abstract)

AI总结 神经数字孪生通过动态个性化模型提升脑机接口的精度与鲁棒性。

OmniNeuro: A Multimodal HCI Framework for Explainable BCI Feedback via Generative AI and Sonification

OmniNeuro：一种通过生成式AI和声音化实现可解释BCI反馈的多模态人机交互框架

Ayda Aghaei Nia

机构 * Institute for Artificial Intelligence Researcher（人工智能研究院） 纠错

专题命中 BCI数据与评测 ：BCI(title,abstract)；brain-computer interface(abstract)

AI总结 OmniNeuro通过生成式AI和声音化技术，提供可解释的BCI反馈，提升用户神经可塑性与解码准确性。

Comments 16 pages, 7 figures, 3 tables. Source code and implementation available at: https://github.com/ayda-aghaei/OmniNeuro. Highlights the use of LLMs (Gemini) and Quantum probability formalism for real-time BCI explainability

Achieving Fine-grained Cross-modal Understanding through Brain-inspired Hierarchical Representation Learning

通过脑启发的分层表征学习实现细粒度跨模态理解

Weihang You, Hanqi Jiang, Yi Pan, Junhao Chen, Tianming Liu, Fei Dou

机构 * School of Computing, University of Georgia, Athens, GA, USA（计算学院，佐治亚大学，亚特兰大，GA，USA） 纠错

专题命中 其他BCI ：neural decoding(abstract)

AI总结 NeuroAlign通过脑启发的分层表征学习，在fMRI-视频对齐中实现细粒度跨模态理解，提升跨模态检索性能。