脑机接口 / BCI

SCORE: Subject Coordinate Recovery for Label-Free Cross-Subject EEG-to-Image Retrieval

SCORE：用于无标签跨主体脑电图到图像检索的主体坐标恢复

Zhenyao Cui, Siyuan Kan, Siyang Li, Ziwei Wang, Dongrui Wu

专题命中 EEG解码 ：EEG(title,summary_cn)；neural signal(abstract)；分类 cs.LG

AI总结 本研究针对无标签跨主体EEG到图像检索性能差的问题，提出SCORE框架，通过源训练与部署时坐标对齐，在两个基准上显著提升检索准确率，推动脑视觉解码的实际应用。

Comments 9 pages, 6 figures

Cross-Cohort Spectral-Temporal Dissociation in Frozen EEG Foundation-Model Representations

脑电图基础模型对长程时间相关性视而不见：其跨群体脆弱性背后的频谱-时间解离

Marzieh Zare

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

AI总结 研究探讨脑电图基础模型对长程时间相关性的表征及跨群体转移情况。通过探测五种模型，发现它们均未按时间顺序表示LRTC，频谱输入模型能恢复1/f但非DFA，跨群体转移方面各模型表现不一，揭示了模型在这方面的局限性。

Comments I found a computational error in one of the tables that needs to be fixed; and it may take 2-3 weeks

BrainBench: Benchmarking Large Language Models for Comprehensive EEG Understanding

BrainBench：面向全面脑电理解的大语言模型基准测试

Yangxuan Zhou, Yuning Chen, Chen Wu, Jiquan Wang, Shijian Li, Gang Pan, Sha Zhao

机构 * Zhejiang University（浙江大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 该研究推出BrainBench基准测试，涵盖4个子集共17个数据集等，评估大语言模型在两种范式下的脑电理解能力，为相关研究提供可复现测试平台。

Comments 51 pages,28 figures

NanoSleep: A Parameter-Efficient Hybrid Temporal Convolutional Network for Single-Channel Sleep Stage Classification

NanoSleep：一种用于单通道睡眠分期分类的参数高效混合时间卷积网络

S M Asif Hossain, Shruti Kshirsagar

机构 * School of Computing, Wichita State University（威奇托州立大学计算学院） 纠错

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

AI总结 本研究提出参数高效的混合时间卷积网络NanoSleep，解决单通道EEG睡眠分期分类中模型体积大的问题，经实验验证其在准确率与效率间实现平衡，适用于资源受限设备

Graph-Based Approaches to Learning Epileptogenic Zone Localization Using Stereo-EEG Recordings

基于立体脑电图记录的致痫灶定位图学习方法

Daniel Wendelken, Brian Ervin, Ravindra Arya, Ali A. Minai

机构 * University of Cincinnati（辛辛那提大学） ； Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医疗中心） 纠错

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

AI总结 该研究针对40例患者，对比不同图拓扑的图学习模型，发现Region-Bridge-$c$拓扑在致痫灶定位中表现最优，证明图构建需明确评估。

Comments 8 pages, 2 figures. Accepted for the Proceedings of IEEE WCCI 2026 (IJCNN), Maastricht, Netherlands

Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval

超越试次平均：锚定神经与视觉表征以实现少重复脑-图像检索

Zhenyao Cui, Siyuan Kan, Dingkun Liu, Dongrui Wu

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG

AI总结 针对少重复脑-图像检索精度骤降问题，本文提出NEAR框架，通过锚定神经与视觉表征实现性能提升，减少对重复采集的依赖，逼近实际部署要求。

Comments 8 pages, 6 figures

Nine Emotion Centroids: A Label-Free Valence Axis That Transfers Across Four Modalities

九个情绪质心：跨四种模态迁移的无标签效价轴

Yousef Radwan

机构 * KAUST（阿卜杜拉国王科技大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本研究提出一种仅用9个情绪类别名称和少量叙事段落即可找到跨视觉、音频等四种模态迁移的无标签效价轴的方法，该轴在多模态情感任务中表现优异且具有机制活性。

Comments 15 pages, 3 figures, 4 tables

Simple Models, Rich Representations: Visual Decoding from Primate Intracortical Neural Signals

简单模型，丰富表征：从灵长类皮层神经信号进行视觉解码

Matteo Ciferri, Matteo Ferrante, Nicola Toschi

机构 * University of Rome, Tor Vergata Department of Biomedicine and Prevention（罗马大学Tor Vergata医学院与预防学院） ； A.A. Martinos Center for Biomedical Imaging（A.A. Martinos生物医学成像中心） ； Harvard Medical School/MGH, Boston (US)（哈佛医学院/麻省总医院，波士顿（美国）） 纠错

专题命中 神经信号处理 ：neural signal(title,abstract)；brain-computer interface(abstract)；neural decoding(abstract)；分类 q-bio.NC

AI总结 本文提出一种简单模型，通过结合时间注意力和浅层MLP，实现70%的图像检索准确率，优于传统方法，为脑机接口和语义解码提供新框架。

Comments Presented at "Foundation Models for the Brain and Body" - NeurIPS 2025 Workshop

Journal ref Imaging Neuroscience (2026) 4: IMAG.a.1299

Robust and Efficient Feature Extraction for Spike Sorting via the Walsh-Hadamard Transform

基于沃尔什-哈达玛变换的鲁棒高效尖峰排序特征提取

Emily Yang, Liyuan Guo, Seyed Mohammad Ali Zeinolabedin, Meng Zhang, Ke Yang, Matthieu Couriol, Christian Mayr, Pierre-Emmanuel Gaillardon

专题命中 神经信号处理 ：neural interface(abstract)；分类 eess.SP、cs.HC

AI总结 该研究提出沃尔什-哈达玛变换（WHT）作为硬件高效的尖峰排序特征提取方法，相比CHT和PCA，其分类性能提升且鲁棒性更强，适用于植入式神经接口的低功耗实时处理需求。

Comments Accepted for publication at the 2026 IEEE Biomedical Circuits and Systems Conference (BioCAS 2026)

Eccentricity-Constrained CNN Training Reveals Adaptive Information Coding Around the Visual Field

偏心率约束的卷积神经网络训练揭示了视野周围的自适应信息编码

Dylan M. Diaz, Margaret M. Henderson

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

AI总结 研究利用VEDB数据，通过对比学习训练ResNet - 18模型，探讨视野偏心率与信息编码关系，发现自我中心经验能自适应约束皮层信息处理，不同偏心率模型在任务表现及与神经数据匹配上有差异。

Comments Proceedings of the Conference on Cognitive Computational Neuroscience 2026; Contributed Talk; Code: https://github.com/DM-Diaz/eccentricity-constrained-simclr

Sensory Restoration via Brain-Computer Interfaces: A Scoping Review

通过脑机接口的感觉恢复：统一的2×2框架与融合路线图

Xuan-The Tran

机构 * School of Mechanical Engineering, Vietnam Maritime University（机械工程学院，越南海防大学） 纠错

专题命中 神经假体 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；neuroprosthetic(abstract)；分类 cs.HC

AI总结 本文提出一个统一的2×2框架，按侵入性和信号方向分类脑机接口，并定义恢复、替代和增强范式，同时给出近中长期的融合路线图。