脑机接口 / BCI

CORTIVA: Candidate-Score Fusion of Complementary Visual Teachers for EEG- and MEG-to-Image Retrieval

CORTIVA：用于EEG和MEG到图像检索的互补视觉教师的候选分数融合

Junhan Wang, Kani Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 CORTIVA是一种候选分数融合框架，通过保留互补视觉教师的异构证据，在EEG/MEG到图像检索任务中大幅提升了Top-1和Top-5准确率，为神经图像检索提供了更优方案。

Comments 31 pages, 19 figures; includes supplementary information. Code: https://github.com/Fuyunhan/CORTIVA

SGAD: A State-Guided Adaptive Decision Framework for Robust EEG-Based Auditory Attention Switch Decoding

SGAD：面向鲁棒性基于EEG的听觉注意力切换解码的状态引导自适应决策框架

Yuting Ding, Xuefei Wang, Ximin Chen, Chunlin Li, Fei Chen

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 针对基于EEG的听觉注意力切换解码存在的EEG非平稳性及性能高估问题，提出SGAD框架，经六个分层协议评估，该框架提升了解码准确性与稳定性且延迟低，推动了神经控制听觉应用的发展。

EEG-JEPA: Structured Latent Prediction for EEG Foundation Models

EEG-JEPA：用于脑电基础模型的结构化隐变量预测

Jinhao Li, Zhiyuan Ma, Xueqiao Han, Zhongye Xia, Xinche Zhang, Shanghong Xie, Yixuan Liu, Yongjian Li, Runmin Gan, Tianlin Huo, Sen Song

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 本研究提出EEG-JEPA结构化隐变量预测框架，通过优化目标设计提升EEG基础模型性能，在EEG-FM-Bench等基准上实现了14任务、9任务的平衡准确率提升，为EEG基础建模提供了新方案。

Comments 9 pages, 6 figures

Understanding and Correcting Low-Frequency Bias in EEG Foundation Model

脑电（EEG）基础模型中低频偏差的理解与修正

Junjie Yu, Zihan Deng, Jianyu Zhang, Junrong Mu, Jiahui An, Wenxiao Ma, Ziling Lu, Yue Wang, Yan Zhu, Kexin Lou, Quanying Liu

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.LG

AI总结 针对EEG基础模型存在的低频偏差问题，提出频率平衡掩码自编码框架FAME，在OmniEEG-Bench的41项下游任务中24项达到SOTA，凸显平衡频谱监督的重要性。

Not All EEG Moments Are Equal: Position-Adaptive Time Scheduling for EEG Generation

并非所有脑电（EEG）时刻都平等：面向脑电生成的位置自适应时间调度

Boheng Liu, Ziyu Li, Chenghua Duan, Qing Li, Xia Wu

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

AI总结 针对现有脑电生成方法忽略脑电时刻异质性的问题，提出基于条件流匹配的自适应框架，引入位置自适应时间调度等模块，在三类脑电数据集上优于基线，提升生成质量与下游任务性能。

Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome

用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析

Zag ElSayed, Payton Siekierski, Jack Yanchen Liu, Ernest Pedapati

机构 * School of Information Technology (SoIT), University of Cincinnati（辛辛那提大学信息技术学院） ； Division of Child and Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医学中心儿童与青少年精神病学科） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。

Comments 14 pages, 4 figures, conference

Journal ref Springer ISBCom 2026

A Quantum Reservoir for Neurodynamical Forecasting

用于神经动力学预测的量子储备池

Annemarie Wolff, Kathleen Hamilton, Kahn Rhrissorrakrai, Laxmi Parida, Filippo Utro, Guillaume Dumas

专题命中 EEG解码 ：EEG(summary_cn,abstract)；neural signal(abstract)

AI总结 该研究探究量子储备池计算（QRC）在神经动力学预测中的表现，构建基于横场伊辛模型的量子储备池，在基准任务与模拟EEG数据上验证其可行性，为量子系统用于临床时间序列预测建立了实用基线。

Comments 7 pages (including references), 2 figures, Accepted at IEEE Quantum Week (QCE 2026) short technical paper, Applications category

Journal ref Proc. IEEE Int. Conf. Quantum Comput. Eng. (QCE), 2026

SAGE: Switch-Aware EEG-Guided Soft Gating for Target Speaker Extraction with In-Trial Switching

SAGE：面向试次内切换的脑电引导软门控目标说话人提取方法

Xuefei Wang, Ximin Chen, Yuting Ding, Chunlin Li, Fei Chen

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

AI总结 该研究针对试次内听觉注意切换下的脑电引导目标说话人提取难题，提出SAGE框架，通过软门控等技术提升性能，在多项指标上优于基线，实现了动态场景下的稳健目标提取。

Rethinking PPG-based Sleep Staging: Datasets, Metrics, and Benchmarks

重新思考基于光体积描记（PPG）的睡眠分期：数据集、指标与基准

Shuntian Zheng, Jiawei Wang, Cong Fu, Huan Yu, Chen Chen, Yu Guan, Sai Gu

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.LG、cs.HC

AI总结 该研究针对基于PPG的睡眠分期与EEG方法存在的显著差距，开发隐半马尔可夫模型的标签扩展流程，用秒级监督在MESA数据集上提升四类分期准确率3.7-5.7个百分点，且在CFS上零样本迁移有效。

Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions

基于多模态可穿戴设备的嗅觉诱导唤醒-效价维度情感识别

Chen-Yang Xu, Lan Zhang, Fei-Yi Fan, Bin Hu, Qing-Hao Meng

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP

AI总结 针对现有嗅觉情感研究的维度失衡与多模态数据不足问题，构建多模态嗅觉情感数据集，提出STF-HFNet模型，在两个数据集上取得最优情感识别准确率。

SWINSleepNet: A Hierarchical Context-Aware Framework for Sleep Staging (v2)

SWINSleepNet：用于睡眠分期的分层上下文感知框架（v2）

Chongjian Wang, Junjie Gao

机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 针对现有睡眠分期方法在模糊及过渡分期表现差的问题，提出分层上下文感知的双流框架 SwinSleepNet，在 Sleep-EDF 系列及 SHHS 数据集上验证其在 N1 分期和过渡 epoch 上的性能优势。

Comments Report-no: SDUST-SLEEP-202608-V2; 10 pages, 7 figures, revised updated version of arXiv submit/7867870, conference submission draft

Interpretable MEG Decoding of Perceived Speech: Cortical Sources and the Stimulus Features That Drive Retrieval

感知语音的可解释MEG解码：皮层源与驱动检索的刺激特征

Ilia Semenkov, Daria Kleeva, Ivan Dakhtin, Zarina Maksudova, Alex Ossadtchi

机构 * HSE University（高等经济大学） ； ITMO University（ITMO大学） 纠错

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

AI总结 本研究重新设计MEG到音频检索架构，在MEG-MASC数据集上实现39.75±0.34%的Top-1准确率，通过源映射与输入干预明确了驱动语音检索的关键刺激特征。

Recursive Gaussian Processes and the Bayesian Brain

递归高斯过程与贝叶斯大脑

Moumita Das, Dipanjan Ray, Sourabh Bhattacharya

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

AI总结 该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。

Comments What is your thought process? The Bayesian Recursive Gaussian process?

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

归一化分裂塑造连续工作记忆的低秩慢流形

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang

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

AI总结 本文提出循环归一化分裂网络（RDNN），通过动力学分析和BPTT梯度分析，证明归一化分裂可使网络形成稳健低秩慢流形，防止时变输入下的流形破碎，是学习高保真连续表示的关键机制。

The Bayesian Reflex: A Predictive Coding Engine for Artificial Intelligence

贝叶斯反射：一种人工智能的预测编码引擎

Sourabh Bhattacharya

机构 * Indian Statistical Institute（印度统计研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 该研究提出贝叶斯反射计算框架，结合预测编码三大支柱，利用近期算法突破实现可扩展的类脑持续学习、感知与决策，通过多领域应用为自适应AI提供蓝图。

Comments From the Bayesian Brain to Artificial Intelligence

Governing Mental-State Inference: Source-Neutral Regulatory Triggers and Tiered Obligations

管控心智状态推断：源中立的监管触发机制与分层义务

Shinnosuke Horiuchi

专题命中 神经信号处理 ：neural signal(abstract)

AI总结 本文构建源中立的技术介导心智状态归因监管方案，划分监管对象、损害路径与义务层级，为神经技术伦理监管提供非约束性分类工具。

Comments 43 pages, 4 tables