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

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

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)