脑机接口 / BCI

HFMCA: Orthonormal Feature Learning for EEG-based Brain Decoding

HFMCA：基于EEG的脑解码的正交特征学习

Yinghao Wang, Lintao Xu, Shujian Yu, Enzo Tartaglione, Van-Tam Nguyen

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；motor imagery(abstract)；分类 eess.SP

AI总结 HFMCA通过正交特征学习提升EEG脑解码的准确率和泛化能力

Cross-Frequency Bispectral EEG Analysis of Reach-to-Grasp Planning and Execution

跨频率双谱EEG分析抓取计划与执行

Sima Ghafoori, Anna Cetera, Ali Rabiee, MH Farhadi, Rahul Singh, Mariusz Furmanek, Yalda Shahriari, Reza Abiri

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；neuroprosthetic(abstract)；分类 eess.SP

AI总结 本研究通过跨频率双谱EEG分析，揭示了运动计划与执行阶段中非线性耦合的差异，展示了双谱分析在抓取行为中的应用价值。

Comments manuscript is 34 pages, 6 figures, 2 tables, journal -- supplementary material is 9 pages, 3 figures, 1 table

Combining Residual U-Net and Data Augmentation for Dense Temporal Segmentation of Spike Wave Discharges in Single-Channel EEG

结合残差U-Net与数据增强实现单通道EEG中尖峰波放电的密集时间分割

Saurav Sengupta, Scott Kilianski, Suchetha Sharma, Sakina Lashkeri, Ashley McHugh, Mark Beenhakker, Donald E. Brown

机构 * University of Virginia（弗吉尼亚大学） ； School of Data Science（数据科学学院） ； School of Medicine（医学院） 纠错

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

AI总结 本研究提出AugUNet1D方法，通过残差连接和数据增强技术提升单通道EEG中尖峰波放电检测的跨受试者泛化能力。

Efficient Solutions for Mitigating Initialization Bias in Unsupervised Self-Adaptive Auditory Attention Decoding

高效解决无监督自适应听觉注意力解码中的初始化偏差问题

Yuanyuan Yao, Simon Geirnaert, Tinne Tuytelaars, Alexander Bertrand

机构 * KU Leuven, Department of Electrical Engineering (ESAT)（鲁文大学电气工程系） ； KU Leuven, Department of Neurosciences（鲁文大学神经科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出三种高效算法，用于解决无监督自适应听觉注意力解码中的初始化偏差问题，实现较低且恒定的计算成本。