脑机接口 / BCI

HCFT: Hierarchical Convolutional Fusion Transformer for EEG Decoding

HCFT：用于EEG解码的层次卷积融合变换器

Haodong Zhang, Jiapeng Zhu, Yitong Chen, Hongqi Li

机构 * School of Software, Northwestern Polytechnical University（软件学院，西北工业大学） 纠错

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

AI总结 HCFT通过层次卷积融合变换器提升EEG解码性能，实现高准确率和稳定性。

Comments Submitted to IEEE Journals

EEG-Titans: Long-Horizon Seizure Forecasting via Dual-Branch Attention and Neural Memory

EEG-Titans：通过双分支注意力和神经记忆进行长 horizon 癫痫发作预测

Tien-Dat Pham, Xuan-The Tran

机构 * HAI-Smartlink Research Lab, Anchi STE Company（HAI-Smartlink研究实验室，Anchi STE公司） ； School of Mechanical Engineering, Vietnam Maritime University（机械工程学院，越南海事大学） 纠错

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

AI总结 EEG-Titans通过双分支注意力和神经记忆机制，实现了高灵敏度的长时段癫痫发作预测，有效减少误报并提升临床实用性。

Resting-State EEG Network Profiles Associated with Creative Engagement and Creative Self-Efficacy

静息态EEG网络特征与创造性参与及创造性自我效能的关系

Samir Damji, Simrut Kurry, Shazia'Ayn Babul, Joydeep Bhattacharya, Naznin Virji-Babul

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

AI总结 研究通过静息态EEG分析揭示了创造力自我效能与参与度的神经网络特征，发现不同群体在alpha波段连接模式上存在显著差异。

Comments 37 pages, 6 figures, 2 tables; expanded methods + results, refined interpretation, added references

Brain states analysis of EEG predicts multiple sclerosis and mirrors disease duration and burden

脑电波脑状态分析预测多发性硬化并反映疾病持续时间和负担

István Mórocz, Mojtaba Jouzizadeh, Amir H. Ghaderi, Hamed Cheraghmakani, Seyed M. Baghbanian, Reza Khanbabaie, Andrei Mogoutov

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

AI总结 利用脑电波脑状态分析预测多发性硬化症并反映疾病持续时间与负担，通过量化方法区分病理与正常模式。

Comments v8: minor revision III. v7: major revision II. v6: major revision I. v5: cosmetics with references and citations. v4: added two citations, adjusted fig3. v3: New version got shortened by some 100 words. v2: A comparison with clinical data, related changes to the text and one figure were newly added to the manuscript. 12 pages, 3 figures, 1 table

ConvMambaNet: A Hybrid CNN-Mamba State Space Architecture for Accurate and Real-Time EEG Seizure Detection

ConvMambaNet：一种用于准确实时EEG癫痫发作检测的混合CNN-Mamba状态空间架构

Md. Nishan Khan, Kazi Shahriar Sanjid, Md. Tanzim Hossain, Asib Mostakim Fony, Istiak Ahmed, M. Monir Uddin

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 ConvMambaNet结合CNN与Mamba-SSM，实现高精度实时EEG癫痫检测，适用于临床环境的自动化监测。

Reduction of Electromagnetic Interference in ultra-low noise Bimodal MEG & EEG

超低噪声双模MEG与EEG电磁干扰抑制

Jim Barnes, Lukasz Radzinski, Soudabeh Arsalani, Gunnar Waterstraat, Gabriel Curio, Jens Haueisen, Rainer Körber

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文通过精心设计减少电磁干扰，实现了超低噪声双模MEG与EEG的同步单次试验检测

Comments 4 pages, 4 figures, BMT 2025 conference paper

Journal ref Current Directions in Biomedical Engineering, volume 11, 202-205 (2025)

Deep Learning-Based Visual Fatigue Detection Using Eye Gaze Patterns in VR

基于深度学习的VR中通过眼动模式检测视觉疲劳

Numan Zafar, Johnathan Locke, Shafique Ahmad Chaudhry

机构 * Dept. of Computer Science Clarkson University Potsdam, New York, USA（计算机科学系 克拉克逊大学） ； David D. Reh School of Business Clarkson University Potsdam, New York, USA（戴维·D·雷商学院 克拉克逊大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG、cs.HC

AI总结 本文提出基于深度学习的VR中通过眼动模式检测视觉疲劳的方法，利用眼动轨迹数据实现高准确率的疲劳检测，为沉浸式VR中的自适应交互提供新思路。

Comments 8 pages, 3 figures, Accepted at IEEE International Symposium on Emerging Metaverse (ISEMV 2025)