脑机接口 / BCI

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models

EEG-PRISM：基于生理学的脑电基础模型预测可解释性方法

Deeksha M Shama, Punnisa Amornsirikul, Archana Venkataraman

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本研究提出EEG-PRISM，一种无需修改脑电基础模型的事后归因方法，可将其归因分数映射至频谱、空间域，能定位癫痫发作区、自闭症生物标志物等，提升脑电基础模型的可解释性。

Cedalion Tutorial: A Python-based framework for comprehensive analysis of multimodal fNIRS & DOT from the lab to the everyday world

Cedalion教程：一个基于Python的框架，用于对多模态fNIRS与DOT进行综合分析，从实验室到日常世界

E. Middell, L. Carlton, S. Moradi, T. Codina, T. Fischer, J. Cutler, S. Kelley, J. Behrendt, T. Dissanayake, N. Harmening, M. A. Yücel, D. A. Boas, A. von Lühmann

专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP、cs.LG

AI总结 Cedalion是一个基于Python的开源框架，用于统一多模态fNIRS和DOT数据的分析，支持可重复、可扩展的神经成像工作流程。

Comments 33 pages main manuscript, 180 pages Supplementary Tutorial Notebooks, 12 figures, 6 tables, under review in SPIE Neurophotonics

Journal ref Neurophotonics, Vol. 13, Issue S3, S32602 (2026)

BCIJelly: An integrated ecosystem for brain-computer interface research

BCIJelly：用于脑机接口研究的集成生态系统

Liyuan Han, Xinrui Yang, Tianyu Zheng, Qizhi Yang, Yitao Qin, Liang Chen, Qinglai Wei, Binjie Hong, Xinhe Zhang, Rui Xiong, Yong Gu, Mu-ming Poo, Bo Xu, Chengyu Li, Tielin Zhang

专题命中 BCI数据与评测 ：BCI(summary_cn,abstract)；brain-computer interface(title,abstract)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 BCIJelly是集成多类BCI数据集、解码器及工具的Python生态系统，可通过AAS与LLM支持多任务跨物种解码，经多范式多物种验证，为BCI研究提供统一可扩展的开发部署基础设施。

Comments 67 pages, 6 figures, 7 extended data figures, 20 supplementary tables

A Negative-Control Protocol for Clinical EEG Foundation-Model Benchmarks: Dataset Identity and External-Cohort Stress Testing

用于临床解码的脑电图基础模型压力测试：数据集标识和目标阴性对照

Marzieh Zare

机构 * Université Laval（拉瓦尔大学） ； NeuroGenis Inc.（NeuroGenis公司） 纠错

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

AI总结 研究预训练脑电图基础模型在临床解码中的表现，通过多种方法在多数据集多任务上对六个模型进行基准测试，发现模型结论依赖评估单元、数据集偏移等因素，如在韩国痴呆症等任务中不同模型和方法表现各异。

RIVERPlace: Repairing Interconnect Violations with Efficient Retiming and Incremental Placement for AQFP Circuits

RIVERPlace：针对AQFP电路，采用高效重定时与增量布局修复互连违例

Robert S. Aviles, Ziyu Liu, Sasan Razmkhah, Massoud Pedram, Peter A. Beerel

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 本文针对AQFP电路的可扩展性挑战，提出RIVERPlace框架，整合重定时与增量布局等技术修复互连违例，大幅降低布局开销、运行时间与延迟，实现完整开源AQFP基准套件的后布线时序闭合。

Revisiting Shape and Texture Reliance with Category-Separability-Calibrated Suppression

用语义匹配抑制重新思考特征依赖评估

Ning Jiang, Tianyi Luo, Zhengyong Huang, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家卫生数据科学研究院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)

AI总结 该研究重新审视视觉识别模型特征依赖问题，引入语义匹配评估框架，通过比较不同抑制下性能，发现卷积神经网络更依赖纹理，视觉Transformer更具鲁棒性，指出语义可比性对解释特征依赖很关键，其优势或与人类视觉皮层表征有关。