脑机接口 / BCI

A Unified SPD Token Transformer Framework for EEG Classification: Systematic Comparison of Geometric Embeddings

一种统一的EEG分类SPD令牌变换框架：几何嵌入的系统比较

Chi-Sheng Chen, En-Jui Kuo, Guan-Ying Chen, Xinyu Zhang, Fan Zhang

机构 * Independent Researcher（独立研究者） ； Department of Electrophysics, National Yang Ming Chiao Tung University, Hsinchu, Taiwan（国家阳明交通大学电子物理系） ； Department of Mathematics, Boise State University, Boise, ID, USA（数学系，博伊州立大学） 纠错

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

AI总结 本文提出了一种统一的EEG分类SPD令牌变换框架，通过系统比较几何嵌入方法，证明BWSPD在高维输入下具有更好的梯度条件数和归一化效果，同时在多种EEG任务中实现了优于传统方法的性能。

EEG-based Graph-guided Domain Adaptation for Robust Cross-Session Emotion Recognition

基于EEG的图引导域适应用于鲁棒跨会话情绪识别

Maryam Mirzaei, Farzaneh Shayegh, Hamed Narimani

机构 * Department of Electrical ； Computer Engineering Isfahan University of Technology, Isfahan, Iran 纠错

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

AI总结 本文提出EGDA框架，通过图引导域适应和图正则化，实现鲁棒的跨会话情绪识别，实验显示在SEED-IV数据集上取得高准确率并超越基线方法。

Comments 10 pages, 7 figures

Numerical Twin with Two Dimensional Ornstein--Uhlenbeck Processes of Transient Oscillations in EEG signal

具有二维奥恩斯坦-乌尔赫内克过程的EEG信号瞬态振荡数值双胞胎

P. O. Michel, C. Sun, S. Jaffard, D. Longrois, D. Holcman

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

AI总结 本文提出了一种基于二维奥恩斯坦-乌尔赫内克过程的数值双胞胎框架，用于EEG信号中瞬态振荡的分析与实时跟踪。

Comments 11

Synthesizing Epileptic Seizures: Gaussian Processes for EEG Generation

合成癫痫发作：用于EEG生成的高斯过程

Nina Moutonnet, Joshua Corneck, Felipe Tobar, Danilo Mandic

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出GP-EEG框架，利用高斯过程和变分自动编码器生成合成EEG数据，以解决癫痫发作检测中数据稀缺的问题。

BrainStack: Neuro-MoE with Functionally Guided Expert Routing for EEG-Based Language Decoding

BrainStack: 基于功能引导的神经混合专家模型用于基于EEG的语言解码

Ziyi Zhao, Jinzhao Zhou, Xiaowei Jiang, Beining Cao, Wenhao Ma, Yang Shen, Ren Li, Yu-Kai Wang, Chin-teng Lin

机构 * University of Technology Sydney（新南威尔士大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫莫迪 bin Zayed 人工智能大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 BrainStack通过功能引导的神经混合专家模型，结合解剖学分区和跨区域蒸馏，实现了基于EEG的高效语言解码，提升了准确性和泛化能力。

Differential Dynamic Causal Nets: Model Construction, Identification and Group Comparisons

微动态因果网络：模型构建、识别与群体比较

Kang You, Gary Green, Jian Zhang

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种基于EEG数据构建微动态因果网络的方法，用于分析群体中大脑动态因果性变化，揭示癫痫发作前后的神经网络功能紊乱。

Comments 40 pages, 13 figures

A thermoinformational formulation for the description of neuropsychological systems

神经心理学系统的热信息学描述法

George-Rafael Domenikos, Victoria Leong

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种热信息学方法，通过微态分布推导出宏观变量，用于描述神经心理学系统的信息交换与状态转换。

Comments Preprint. Submitted to PLOS Computational Biology

General Self-Prediction Enhancement for Spiking Neurons

通用自预测增强用于脉冲神经元

Zihan Huang, Zijie Xu, Yihan Huang, Shanshan Jia, Tong Bu, Yiting Dong, Wenxuan Liu, Jianhao Ding, Zhaofei Yu, Tiejun Huang

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本研究提出了一种自预测增强的脉冲神经元方法，通过生成内部预测电流来提升SNNs的训练稳定性与准确性，同时符合生物原理。

BioNIC: Biologically Inspired Neural Network for Image Classification Using Connectomics Principles

BioNIC: 基于连接组学原理的生物启发神经网络用于图像分类

Diya Prasanth, Matthew Tivnan

专题命中 神经信号处理 ：cortical(abstract)

AI总结 BioNIC通过连接组学原理构建生物启发神经网络，在情绪分类任务中实现与传统模型相当的性能。

Temporal Context and Architecture: A Benchmark for Naturalistic EEG Decoding

时间上下文与架构：自然 EEG解码的基准测试

Mehmet Ergezer

机构 * School of Computing \& Data Science, Wentworth Institute of Technology Boston, MA USA Email 纠错

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 eess.SP、cs.LG

AI总结 本文通过对比不同架构在自然 EEG解码中的表现，揭示了效率与鲁棒性之间的权衡，S5在参数效率上表现优异，而EEGXF在鲁棒性和保守性上更具优势。

Journal ref ICASSP 2026

Rethinking Self-Training Based Cross-Subject Domain Adaptation for SSVEP Classification

重新思考基于自训练的跨受体域适应用于SSVEP分类

Weiguang Wang, Yong Liu, Yingjie Gao, Guangyuan Xu

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； School of Computer Science and Technology, Beihang University（计算机科学与技术学院，北航） 纠错

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出了一种基于自训练的跨受体域适应方法，通过FBEA策略和CSST框架提升SSVEP分类性能。

Comments Accepted to ICASSP 2026

HADUA: Hierarchical Attention and Dynamic Uniform Alignment for Robust Cross-Subject Emotion Recognition

HADUA：层次注意力与动态统一对齐用于鲁棒的跨受体情绪识别

Jiahao Tang, Youjun Li, Yangxuan Zheng, Xiangting Fan, Siyuan Lu, Nuo Zhang, Zi-Gang Huang

专题命中 BCI数据与评测 ：EEG(abstract)

AI总结 HADUA通过层次注意力与动态统一对齐方法，提升跨受体情绪识别的鲁棒性和准确性。