脑机接口 / BCI

Online decoding of rat self-paced locomotion speed from EEG using recurrent neural networks

基于EEG的在线解码大鼠自控步态速度使用循环神经网络

Alejandro de Miguel, Nelson Totah, Uri Maoz

机构 * Schmid College of Science and Technology, Chapman University（施密特科学与技术学院，查普曼大学） ； LUCID-AI, Chapman University（LUCID-AI，查普曼大学） ； Helsinki Institute of Life Science, University of Helsinki（赫尔辛基生命科学研究所，赫尔辛基大学） ； Neuroscience Center, University of Helsinki（神经科学中心，赫尔辛基大学） ； Faculty of Pharmacy, University of Helsinki（药学院，赫尔辛基大学） ； Crean College of Health and Behavioral Sciences, Chapman University（克里安健康与行为科学学院，查普曼大学） ； Department of Biology and Bioengineering, California Institute of Technology（生物学与生物工程系，加州理工学院） ； Anderson School of Management, University of California Los Angeles（安德森管理学院，加州大学洛杉矶分校） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；neural decoding(abstract)；cortical(abstract)

AI总结 本研究利用循环神经网络从大鼠EEG中非侵入性解码自控步态速度，实现高准确率的连续解码。

Comments 17 pages, 1 table and 7 figures

DECAF: Dynamic Envelope Context-Aware Fusion for Speech-Envelope Reconstruction from EEG

DECAF：动态包络上下文感知融合用于从EEG中重建语音包络

Karan Thakkar, Mounya Elhilali

机构 * Laboratory for Computational Audio Perception, Johns Hopkins University, USA（计算听觉感知实验室，约翰霍普金斯大学，美国） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural decoding(abstract)；分类 eess.SP

AI总结 DECAF通过动态状态空间融合模型结合EEG神经估计与语音上下文预测，提升从EEG重建语音包络的准确性与连贯性。

Comments Accepted at ICASSP 2026

Step-Aware Residual-Guided Diffusion for EEG Spatial Super-Resolution

步感知残差引导扩散用于EEG空间超分辨率

Hongjun Liu, Leyu Zhou, Zijianghao Yang, Chao Yao

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)

AI总结 SRGDiff通过步感知残差引导扩散模型，提升EEG空间超分辨率的保真度与一致性，实现高达40%的性能提升。

Comments ICLR 2026 Conference Paper

NeuroSleep: Neuromorphic Event-Driven Single-Channel EEG Sleep Staging for Edge-Efficient Sensing

NeuroSleep：神经形态事件驱动单通道EEG睡眠分期用于边缘高效传感

Boyu Li, Xingchun Zhu, Yonghui Wu

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

AI总结 NeuroSleep通过神经形态事件驱动技术实现单通道EEG睡眠分期，显著降低计算负载并提升能耗效率。

Comments 14 pages, 5 figures, under review at Physiological Measurement

ZUNA: Flexible EEG Superresolution with Position-Aware Diffusion Autoencoders

ZUNA：基于位置感知扩散自编码器的灵活EEG超分辨率

Christopher Warner, Jonas Mago, JR Huml, Mohamed Osman, Beren Millidge

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

AI总结 ZUNA是一种基于位置感知扩散自编码器的EEG超分辨率方法，通过灵活的架构和训练策略实现对任意电极配置的高效处理和泛化性能。

Comments initial upload 09/02/2026

Contrastive and Multi-Task Learning on Noisy Brain Signals with Nonlinear Dynamical Signatures

对比学习与多任务学习在噪声脑信号中的非线性动力学特征

Sucheta Ghosh, Felix Dietrich, Zahra Monfared

机构 * Interdisciplinary Center for Scientific Computing, Heidelberg University ； Departement of Mathematics and Computer Science, Heidelberg University（mathematics and computer science department, Heidelberg University） ； Department of Theoretical Neuroscience, Central Institute of Mental Health, Medical Faculty Mannheim, Heidelberg University（theoretical neuroscience department, central institute of mental health, medical faculty mannheim, Heidelberg University） ； School of Computation, Information and Technology, Technical University of Munich 纠错

专题命中 EEG解码 ：EEG(abstract)；motor imagery(abstract)；分类 cs.LG

AI总结 本文提出了一种两阶段多任务学习框架，结合去噪、动力学建模和自监督学习，提升EEG信号分析的鲁棒性和解码性能。

Disentangling synchrony from serial dependency in paired event time series

分离事件同步与序列依赖性在配对事件时间序列中

Adrian Odenweller, Reik V. Donner

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出改进的ES和ECA方法，揭示ES在处理序列依赖事件同步时的局限性，并建议ECA在多学科事件时间序列同步分析中更具鲁棒性。

Comments 15 pages; 12 figures

Journal ref Phys. Rev. E 101, 052213 (2020)