脑机接口 / BCI

Local-Global Feature Fusion for Subject-Independent EEG Emotion Recognition

局部-全局特征融合用于受试者无关的EEG情绪识别

Zheng Zhou, Isabella McEvoy, Camilo E. Valderrama

机构 * Computer Science and Technology（计算机科学与技术） ； Beijing Jiaotong University（北京交通大学） ； Applied Computer Science（应用计算机科学） ； The University of Winnipeg（温尼伯大学） 纠错

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

AI总结 本文提出局部-全局特征融合框架，通过双分支Transformer提升EEG情绪识别的跨受试者泛化能力，实现7类情绪识别约40%的准确率。

Comments 7 pages, 5 figures, EMBC 2026

Affect and Effect: Limitations of regularisation-based continual learning in EEG-based emotion classification

情感与影响：基于EEG情感分类的正则化连续学习的局限性

Nina Peire, Yupei Li, Björn Schuller

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

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

AI总结 本研究发现基于正则化的连续学习方法在EEG情感分类中存在局限性，主要由于稳定性与可塑性之间的权衡问题。

Comments 20 pages, 16 figures, not including Appendix. Code can be found at: https://github.com/glam-imperial/AffectEffect

WaveNet's Precision in EEG Classification

WaveNet在EEG分类中的精度

Casper van Laar, Khubaib Ahmed

机构 * University of Wolverhampton（沃林厄姆大学） 纠错

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

AI总结 WaveNet模型在EEG信号分类中表现出高精度，有效区分噪声和伪影，同时在生理与病理性信号分类中实现较高F1分数，但需进一步验证其泛化能力。

Comments 6 pages, 5 figures and 3 tables. Includes main text and bibliography

EEG Brain mapping based on the Duffing oscillator

基于杜芬振子的EEG脑图谱

Mahmut Akilli, Nazmi Yilmaz

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本研究提出基于杜芬振子的EEG脑图谱方法，通过检测弱信号频率分布构建脑活动拓扑图，相较于传统方法更精确地反映脑激活状态。

Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait

双头自注意力模型用于分类帕金森病患者冻结步态

Shomoita Jahid Mitin, Rodrigue Rizk, Maximilian Scherer, Thomas Koeglsperger, Daniel Lench, KC Santosh, Arun Singh

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本研究提出双头自注意力模型，通过结合EEG信号与描述性特征，实现对帕金森病患者冻结步态的高效分类。

Comments 39 pages, 9254 words, 4 figures, 4 tables, European Journal of Neuroscience: Special edition FOG