脑机接口 / BCI

ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding

ASPEN：跨受试者脑解码的频谱-时间融合

Megan Lee, Seung Ha Hwang, Inhyeok Choi, Shreyas Darade, Mengchun Zhang, Kateryna Shapovalenko

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Kyung Hee University（Kyung Hee大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；EEG(abstract)；neural signal(abstract)；motor imagery(abstract)

AI总结 ASPEN通过频谱-时间融合实现跨受试者脑解码，利用乘法融合提升跨模态一致性，有效提升未见受试者准确率。

Leveraging Foundation Models for Calibration-Free c-VEP BCIs

利用基础模型实现无需校准的c-VEP脑机接口

Mohammadreza Behboodi, Eli Kinney-Lang, Ali Etemad, Adam Kirton, Hatem Abou-Zeid

机构 * Department of Biomedical Engineering, University of Calgary（生物医学工程系，卡尔加里大学） ； Department of Electrical and Computer Engineering, Queen’s University（电气与计算机工程系，皇后大学） ； Department of Pediatric and Clinical Neuroscience, University of Calgary（儿科与临床神经科学系，卡尔加里大学） ； Department of Electrical and Software Engineering, University of Calgary（电气与软件工程系，卡尔加里大学） 纠错

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

AI总结 本文提出基于基础模型的无需校准c-VEP脑机接口方法，通过训练分类头实现即插即用，无需受试者特定数据，实验显示在两个数据集上均取得较高准确率。

Comments 8 Pages, 2 figures, Accepted and Presented at the IEEE SMC Conference 2025

Journal ref 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Vienna, Austria, 2025, pp. 4564-4571