脑机接口 / BCI

EEG-to-Gait Decoding via Phase-Aware Representation Learning

通过相意识表示学习实现EEG到步态解码

Xi Fu, Weibang Jiang, Rui Liu, Gernot R. Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore 639798（计算与数据科学学院，南洋理工大学，新加坡） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（计算机科学与工程系，上海交通大学，上海） ； Institute of Neural Engineering, Graz University of Technology, Graz, Austria（神经工程研究所，格拉茨技术大学，奥地利） ； Centre of AI in Medicine (C-AIM), Nanyang Technological University, Singapore（医学人工智能中心（C-AIM），南洋理工大学，新加坡） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；cortical(abstract)

AI总结 NeuroDyGait通过相意识表示学习实现EEG到步态解码，提升跨受试者性能并满足实时BCI需求。

EEG2GAIT: A Hierarchical Graph Convolutional Network for EEG-based Gait Decoding

EEG2GAIT：一种用于基于EEG的步态解码的分层图卷积网络

Xi Fu, Rui Liu, Aung Aung Phyo Wai, Hannah Pulferer, Neethu Robinson, Gernot R Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Institute of Neural Engineering, Graz University of Technology（技术大学神经工程研究所） ； Center for Al in Medicine (C-AlM)（医学人工智能中心） 纠错

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

AI总结 EEG2GAIT通过分层图卷积网络和混合时间-频域奖励损失函数，实现了基于EEG的步态解码，提升了解码性能和准确性。

Privacy Risks in Time Series Forecasting: User- and Record-Level Membership Inference

时间序列预测中的隐私风险：用户级和记录级成员推断

Nicolas Johansson, Tobias Olsson, Daniel Nilsson, Johan Östman, Fazeleh Hoseini

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； AI Sweden（瑞典人工智能） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出两种针对时间序列预测的成员推断攻击方法，揭示预测模型在用户级攻击下的高脆弱性，并建立新的隐私风险评估基准。

When a Man Says He Is Pregnant: Event-related Potential Evidence for a Rational Account of Speaker-contextualized Language Comprehension

当一个人说他怀孕了：事件相关电位证据支持对说话者语境化语言理解的理性解释

Hanlin Wu, Zhenguang G. Cai

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 该研究通过ERP实验探讨说话者语境化语言理解中的理性推断机制，发现社会刻板印象导致N400效应，而生物学知识导致P600效应。

Journal ref J Cogn Neurosci 2026; 38 (3): 545-560

A Frequency-Optimized Optogenetic Study of Network-Level Potentiation in Cortical Cultures on Microelectrode Arrays

优化频率的光遗传学研究：在微电极阵列上的皮层培养网络级增强

Matteo Dominici, Ilya Auslender, Clara Zaccaria, Yasaman Heydari, Lorenzo Pavesi

专题命中 神经信号处理 ：cortical(title)

AI总结 本研究通过优化光遗传学刺激频率，探讨了在微电极阵列上皮层培养网络级增强的机制，发现低频刺激可维持稳定响应，而高频刺激导致尖峰率衰减，且tetanic刺激可诱导持久的LTP。

Comments 16 pages, 4 figures

TAVAE: A VAE with Adaptable Priors Explains Contextual Modulation in the Visual Cortex

TAVAE：具有可调节先验的VAE解释视觉皮层中的情境调节

Balázs Meszéna, Keith T. Murray, Julien Corbo, O. Batuhan Erkat, Márton A. Hajnal, Pierre-Olivier Polack, Gergő Orbán

机构 * Department of Computational Sciences（计算科学系） ； HUN-REN Wigner Research Centre for Physics（霍恩-伦维格物理研究中心） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Princeton University（普林斯顿大学） ； Center for Molecular and Behavioral Neuroscience（分子与行为神经科学中心） ； Rutgers University（罗格斯大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 TAVAE通过任务优化的生成模型解释视觉皮层中情境调节的机制，展示了任务特定先验的学习与应用。

Comments ICLR 2026

BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data

BrainSymphony: 一种参数高效、多模态的基础模型，用于在有限数据下的脑动态

Moein Khajehnejad, Forough Habibollahi, Devon Stoliker, Adeel Razi

机构 * Turner Institute for Brain and Mental Health（大脑与心理健康Turner研究所） ； School of Psychological Sciences, Monash University（墨尔本大学心理学科学学院） ； Cortical Labs（皮层实验室） ； CIFAR Azrieli Global Scholars Program（CIFAR阿兹里埃利全球学者计划） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 BrainSymphony是一种参数高效、多模态的基础模型，通过整合fMRI和扩散MRI数据，实现有限数据下的脑动态分析，优于更大模型并提升神经科学应用。

Comments 32 pages, 14 figures

CL API: Real-Time Closed-Loop Interactions with Biological Neural Networks

CL API：与生物神经网络的实时闭环交互

David Hogan, Andrew Doherty, Boon Kien Khoo, Johnson Zhou, Richard Salib, James Stewart, Kiaran Lawson, Alon Loeffler, Brett Kagan

专题命中 神经假体 ：cortical(abstract)；分类 q-bio.NC

AI总结 CL API通过基于合同的API设计，实现了与生物神经网络的实时闭环交互，提供精确刺激和确定性同步，支持生物学研究和神经计算应用。

Brain4FMs: A Benchmark of Foundation Models for Electrical Brain Signal

Brain4FMs: 一种用于电气脑信号基础模型的基准测试

Fanqi Shen, Enhong Yang, Jiahe Li, Junru Hong, Xiaoran Pan, Zhizhang Yuan, Meng Li, Yang Yang

机构 * Zhejiang University（浙江大学） ； Shanghai Institute of Microsystem and Information Technology, CAS（上海微系统与信息工程研究所，中国科学院） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；neural signal(abstract)；分类 cs.LG

AI总结 Brain4FMs提出了一种开放评估平台，用于评估和比较脑基础模型在电气脑信号处理中的性能和泛化能力。