脑机接口 / BCI

Unveiling Normative Trajectories of Lifespan Brain Maturation Using Quantitative MRI

揭示寿命大脑成熟规范轨迹的定量MRI

Xinjie Chen, Mario Ocampo-Pineda, Po-Jui Lu, Clara Ekerdt, Matthias Weigel, Michelle G. Jansen, Alessandro Cagol, Kwok-Shing Chan, Sabine Schädelin, Marcel Zwiers, Joukje M. Oosterman, David G. Norris, Johanna M. M. Bayer, Andre F. Marquand, Willeke M. Menks, Jens Kuhle, Ludwig Kappos, Lester Melie-Garcia, Cristina Granziera, José P. Marques

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

AI总结 本研究利用多参数定量MRI揭示大脑成熟轨迹，通过多中心数据建模展示不同脑区的成熟模式及年龄相关变化。

Training Deep Normalization-Free Spiking Neural Networks with Lateral Inhibition

训练具有横向抑制的深度无归一化脉冲神经网络

Peiyu Liu, Jianhao Ding, Zhaofei Yu

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出无归一化学习框架，利用横向抑制训练深度SNNs，实现生物现实性与稳定训练的平衡。

Comments Accepted by ICLR 2026

One Brain, Omni Modalities: Towards Unified Non-Invasive Brain Decoding with Large Language Models

一个大脑，多模态：迈向统一非侵入式脑解码的大型语言模型

Changli Tang, Shurui Li, Junliang Wang, Qinfan Xiao, Zhonghao Zhai, Lei Bai, Yu Qiao, Bowen Zhou, Wen Wu, Yuanning Li, Chao Zhang

机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 神经假体 ：EEG(abstract)；分类 q-bio.NC

AI总结 NOBEL通过统一EEG/MEG与fMRI信号，利用大型语言模型实现多模态非侵入式脑解码，提升解码准确性和对视觉语义的解读能力。

Federated Learning in Offline and Online EMG Decoding: A Privacy and Performance Perspective

联邦学习在离线和在线肌电信号解码中的应用：从隐私和性能角度出发

Kai Malcolm, César Uribe, Momona Yamagami

机构 * Department of Electrical and Computer Engineering, Rice University（电气与计算机工程系， Rice大学） 纠错

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

AI总结 本研究从隐私和性能角度出发，提出联邦学习在离线和在线肌电信号解码中的应用框架，并通过实验揭示了FL在实时神经接口中的性能与隐私之间的矛盾。

Comments 23 pages, 7 figures

ConformalHDC: Uncertainty-Aware Hyperdimensional Computing with Application to Neural Decoding

ConformalHDC：具有应用神经解码的不确定性感知超维计算

Ziyi Liang, Hamed Poursiami, Zhishun Yang, Keiland Cooper, Akhilesh Jaiswal, Maryam Parsa, Norbert Fortin, Babak Shahbaba

机构 * Department of Statistics, UC Irvine（统计学系，加州大学伊文思分校） ； Department of Electrical and Computer Engineering, George Mason University（电气与计算机工程系，乔治·马歇尔大学） ； Center for the Neurobiology of Learning and Memory, UC Irvine（学习与记忆神经生物学中心，加州大学伊文思分校） ； Department of Neurobiology and Behavior, UC Irvine（神经生物学与行为系，加州大学伊文思分校） ； Department of Electrical and Computer Engineering, University of Wisconsin Madison（电气与计算机工程系，威斯康星大学麦迪逊分校） 纠错

专题命中 其他BCI ：neural decoding(title)；分类 cs.LG

AI总结 ConformalHDC通过结合统计保证与高效计算，提升神经解码任务中的鲁棒性和不确定性估计能力。