脑机接口 / BCI

EEG-MACS: Manifold Attention and Confidence Stratification for EEG-based Cross-Center Brain Disease Diagnosis under Unreliable Annotations

EEG-MACS: 用于基于EEG的跨中心脑部疾病诊断的流形注意力与置信度分层

Zhenxi Song, Ruihan Qin, Huixia Ren, Zhen Liang, Yi Guo, Min Zhang, Zhiguo Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen People's Hospital（深圳人民医院） ； Shenzhen University（深圳大学） ； Shenzhen Bay Laboratory（深圳湾实验室） 纠错

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

AI总结 EEG-MACS通过流形注意力与置信度分层技术，提升跨中心脑部疾病诊断的准确性与鲁棒性。

Comments 15 pages, 9 figures. Oral presentation at ACM MM 2024

Journal ref In Proceedings of the 32nd ACM International Conference on Multimedia (ACM MM '24), pp. 340-349, 2024

Deep Generative Modeling with Spatial and Network Images: An Explainable AI (XAI) Approach

基于空间和网络图像的深度生成建模：一种可解释人工智能（XAI）方法

Yeseul Jeon, Rajarshi Guhaniyogi, Aaron Scheffler

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出一种基于空间和网络图像的深度生成模型，用于异质影像数据的可解释人工智能框架，实现了高分辨率数据的高效处理与不确定性量化。

A first realization of reinforcement learning-based closed-loop EEG-TMS

强化学习闭环EEG-TMS的第一实现

Dania Humaidan, Jiahua Xu, Jing Chen, Christoph Zrenner, David Emanuel Vetter, Laura Marzetti, Paolo Belardinelli, Timo Roine, Risto J. Ilmoniemi, Gian Luca Romani, Ulf Zieman

专题命中 神经假体 ：EEG(title,abstract)；分类 cs.LG

AI总结 本文首次实现基于强化学习的闭环实时EEG-TMS系统，用于识别与高-低皮层脊髓兴奋性状态相关的个体mu节律相位。