脑机接口 / BCI

Fusion of Spatio-Temporal and Multi-Scale Frequency Features for Dry Electrodes MI-EEG Decoding

时空与多尺度频率特征融合用于干电极MI-EEG解码

Tianyi Gong, Can Han, Junxi Wu, Dahong Qian

专题命中 EEG解码 ：EEG(title,abstract)；brain computer interface(abstract)；motor imagery(abstract)；分类 cs.LG、cs.HC

AI总结 STGMFM通过融合时空与多尺度频率特征，提升干电极MI-EEG解码的稳定性和鲁棒性。

RAICL: Retrieval-Augmented In-Context Learning for Vision-Language-Model Based EEG Seizure Detection

RAICL：基于视觉-语言模型的EEG癫痫检测的检索增强上下文学习

Siyang Li, Zhuoya Wang, Xiyan Gui, Xiaoqing Chen, Ziwei Wang, Yaozhi Wen, Dongrui Wu

机构 * Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences（脑认知与脑启发智能技术国家重点实验室，自动化研究所，中国科学院） 纠错

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

AI总结 RAICL通过利用视觉-语言模型分析EEG波形图，实现了更高效的癫痫检测，无需重新训练，具有广泛临床应用前景。

Exploring EEG-driven brain-heart coupling across sleep stages in individuals with sleep disorders

探索睡眠障碍个体在不同睡眠阶段中的脑心耦合

Jathushan Kaetheeswaran, Jenny Wei

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

AI总结 本研究探讨了睡眠障碍个体在不同睡眠阶段中脑驱动的心脏活动，发现神经活动对副交感活动有影响，可能通过调节关键EEG频段恢复心脏行为。

EEG-DLite: Dataset Distillation for Efficient Large EEG Model Training

EEG-DLite: 用于高效大规模EEG模型训练的数据蒸馏

Yuting Tang, Weibang Jiang, Shanglin Li, Yong Li, Chenyu Liu, Xinliang Zhou, Yi Ding, Cuntai Guan

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

AI总结 EEG-DLite通过数据蒸馏技术提升大规模EEG模型训练效率，实现高效且有效的生理基础建模。

Comments Accepted by AAAI-2026

Cross-domain EEG-based Emotion Recognition with Contrastive Learning

跨领域EEG情感识别与对比学习

Rui Yan, Yibo Li, Han Ding, Fei Wang

机构 * School of Software Engineering, Xi'an Jiaotong University, China（西安交通大学软件工程学院） ； School of Computer Science and Technology, Xi'an Jiaotong University, China（西安交通大学计算机科学与技术学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 EmotionCLIP通过多模态对比学习提升EEG情感识别的跨领域泛化能力，实现跨受试者和跨时间的高准确率

Comments Accepted by IEEE ICASSP 2026