E2CAR: An Efficient 2D-CNN Framework for Real-Time EEG Artifact Removal on Edge Devices
E2CAR: 一种高效的2D-CNN框架用于边缘设备上的实时EEG伪影去除
专题命中 EEG解码 ：EEG(title,abstract)；分类 eess.SP
AI总结 E2CAR通过将1D CNN替换为2D CNN，实现边缘设备上EEG伪影去除的高效处理，推理时间减少90%，功耗降低18.98%
科学与医疗
脑机接口 / BCI
脑机接口、EEG、神经信号解码、神经假体和脑控交互。
1. EEG解码 2 篇
Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG
改进的TSception用于从EEG分析驾驶员困倦和心理负荷
机构 * Department of Computer Science and Engineering, Indian Institute of Technology, Roorkee, Uttarakhand, 247667, India（计算机科学与工程系，印度理工学院，罗尔基，乌塔兰德，印度） ； Department of Computer Science and Engineering, OP Jindal University, Raigarh, Chhattisgarh, 496109, India（计算机科学与工程系，OP金达尔大学，拉里加，恰特内格尔，印度） ； Department of Computer Science, Electrical and Space Engineering, Luleå Tekniska Universitet, Luleå, 97187, Sweden（计算机科学、电气与航天工程系，卢勒奥技术大学，卢勒奥，瑞典） ； Department of Computer Science and Engineering, Indian Institute of Technology, Dhanbad, Jharkhand, 826007, India（计算机科学与工程系，印度理工学院，丹巴德，贾坎德，印度）
专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.HC
AI总结 本研究提出改进的TSception架构，通过五层层次时间细化策略和两阶段融合机制，提升EEG数据中驾驶员困倦和心理负荷检测的准确性和稳定性。
Comments 8 Pages, 4 Figures, 1 Table
2. 神经信号处理 4 篇
Barycentric alignment for instance-level comparison of neural representations
实例层面神经表示的重心对齐
机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院） ； Department of Electrical and Computer Engineering, UCSD（UCSD电子与计算机工程系） ； Cognitive Science Department, UCSD（UCSD认知科学系） ； Department of Computer Science（计算机科学系）
专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG
AI总结 通过实例层面的神经表示重心对齐，揭示了跨视觉和语言模型的表示收敛与发散特性，并展示了人类对齐的跨模态比较能力。
MEGConformer: Conformer-Based MEG Decoder for Robust Speech and Phoneme Classification
MEGConformer：基于Conformer的MEG解码器用于鲁棒的语音和音素分类
机构 * HiTZ Center, University of the Basque Country – UPV/EHU（比斯开国家大学HiTZ中心）
专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 cs.LG
AI总结 MEGConformer通过Conformer模型实现MEG信号的语音检测与音素分类，采用轻量卷积层和动态加载策略，提升鲁棒性并取得 leaderboard 高分。
Comments 8 pages, 7 figures, 4 tables, v1 presentend in LibriBrain Workshop, NeurIPS 2025; v2 submitted to Odyssey 2026
HiCL: Hippocampal-Inspired Continual Learning
HiCL：基于海马体的持续学习
专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG
AI总结 HiCL提出了一种基于海马体的持续学习架构，通过双记忆机制和稀疏路由策略减少任务干扰，实现高效多任务学习。
Comments In proceeding of AAAI
Decoding Phone Pairs from MEG Signals Across Speech Modalities
从MEG信号中跨语音模态解码语音对
机构 * HiTZ Center, University of the Basque Country -- UPV/EHU（巴斯克国家大学希茨中心） ； Basque Centre on Cognition, Brain and Language -- BCBL（巴斯克认知、大脑与语言中心） ； Laboratory of Functional Anatomy, Faculty of Human Motor Sciences, Université libre de Bruxelles (ULB)（人类运动科学系功能解剖实验室） ； Laboratoire de Neuroanatomie et Neuroimagerie translationnelles (LN2T), ULB Neuroscience Institute, Université libre de Bruxelles (ULB)（神经解剖与神经影像翻译实验室（LN2T）、ULB神经科学研究所） ； WEL Research Institute（WEL研究机构）
专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 cs.LG
AI总结 本研究通过MEG信号跨语音模态解码语音对，发现主动语音产生任务中神经信息更丰富，弹性网络模型在解码中表现优异，低频振荡对解码准确性贡献显著。
Comments 21 pages, 4 figures, 1 graphical abstract, submitted to Computer Speech and Language (special issue on Iberian Languages)
3. 神经假体 1 篇
An open-source implementation of a closed-loop electrocorticographic Brain-Computer Interface using Micromed, FieldTrip, and PsychoPy
基于Micromed、FieldTrip和PsychoPy的闭环电极皮层脑机接口开源实现
专题命中 神经假体 ：brain-computer interface(title,abstract)；BCI(abstract)；分类 eess.SP、cs.HC
AI总结 本文提出基于Micromed、FieldTrip和PsychoPy的闭环电极皮层BCI开源实现，提供三个定制库以促进BCI研究的定制化和灵活性。
Journal ref Biomedical Signal Processing and Control, Volume 117, 2026, 109539, ISSN 1746-8094
