科学与医疗

脑机接口 / BCI

脑机接口、EEG、神经信号解码、神经假体和脑控交互。

2026-08-20 至 2026-08-20 共收录 3 篇信号源：q-bio.NC, eess.SP, cs.LG, cs.HC, cs.RO

1. 神经信号处理 3 篇

2601.11108 2026-08-20 q-bio.NC cs.CV 85%

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））

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

2608.19048 2026-08-20 eess.SP cs.HC 新提交 62%

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)

2607.19316 2026-08-20 q-bio.NC 版本更新 57%

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