脑机接口 / BCI

Test-Time Adaptation for EEG Foundation Models: A Systematic Study under Real-World Distribution Shifts

EEG基础模型的测试时间适应：在现实世界分布偏移下的系统研究

Gabriel Jason Lee, Jathurshan Pradeepkumar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文系统研究了EEG基础模型在现实分布偏移下的测试时间适应方法，发现标准方法效果不稳定且易退化，而无优化方法更稳定可靠。

Comments Accepted to MLHC 2026

Parameter-Efficient Self-Supervised Adaptation for EEG-FM under Fixed Computational Budgets

固定计算预算下EEG-FM的参数高效自监督适配

Meghal Dani, Stefanie Liebe

机构 * University of Tübingen（蒂宾根大学） ； Hertie Institute for AI in Brain Health (Hertie AI)（赫蒂脑健康人工智能研究所） ； University Clinic Tübingen（蒂宾根大学医院） ； Hertie Institute for Clinical Brain Research（赫蒂临床脑研究所） 纠错

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

AI总结 本研究提出参数高效自监督适配方法，仅更新9%参数即可适配EEG-FM，在三个临床EEG数据集上较线性探测获最高20倍AUCPR，固定计算预算下仅需20%-50%未标记数据，可降低部署负担。

Predicting Only from Selected Evidence: A Tempered Product-of-Experts Bottleneck for Auditable EEG Diagnosis

仅从选定证据进行预测：用于可审计脑电图诊断的 tempered 专家乘积瓶颈

Yinghao Wang, Shujian Yu, Duc Han Le, Zhikai Yu, Changming Wang, Van-Tam Nguyen

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

AI总结 本研究提出 tPoE-EIB 方法，通过选择 EEG 的时间与通道证据构建受信息率限制的融合机制，在保持平衡准确率的同时提升了诊断的可审计性，适用于多种 EEG 诊断场景。

Taming foundation model with invariance-oriented pre-training for broad-spectrum EEG analysis across signal-level, brain-state, and brain-health tasks

面向信号级、脑状态及脑健康任务的广谱脑电分析：以不变性为导向的预训练驯服基础模型

Yulong Dou, Han Wu, Guo Chen, Fangmao Ju, Zhiming Cui, Dinggang Shen

机构 * ShanghaiTech University（上海科技大学） ； Shanghai United Imaging Intelligence Co., Ltd.（上海联影智能医疗科技有限公司） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

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

AI总结 研究针对EEG模型的局限性，提出以不变性为导向的EEG基础模型INCEPT，经超11000小时临床EEG训练，在广谱EEG任务基准中多数指标领先，验证了不变性学习构建可复用EEG基础模型的潜力。

Data-Driven Modeling of Spatiotemporal Dynamics Using Multimodal Imaging Data

基于多模态成像数据的时空动力学数据驱动建模

Chunyan Li, Yutong Mao, Xiao Liu, Wenrui Hao

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

AI总结 该研究提出基于图的个性化动力学建模框架，整合多模态纵向成像数据，在1891名阿尔茨海默病患者中准确预测生物标志物轨迹，揭示个体化进展模式，优于现有基准。

Comments Provisionally accepted for publication in PLOS Computational Biology

CytoNet: A Foundation Model for the Human Cerebral Cortex at Cellular Resolution

CytoNet：人类大脑皮层细胞分辨率的基础模型

Christian Schiffer, Zeynep Boztoprak, Jan-Oliver Kropp, Julia Thönnißen, Katia Berr, Hannah Spitzer, Mathis Bode, Thomas Lippert, Katrin Amunts, Timo Dickscheid

机构 * Institute of Neuroscience and Medicine (INM-1), Research Centre Jülich（神经科学与医学研究所（INM-1），贾格尔研究中心） ； Helmholtz AI, Research Centre Jülich（海德堡人工智能，贾格尔研究中心） ； Institute for Brain Research, University Hospital Düsseldorf（脑研究所在杜塞尔多夫大学医院） ； Institute of Computational Biology, Computational Health Center, Helmholtz Munich（计算生物学研究所，计算健康中心，海德堡慕尼黑） ； Institute for Stroke and Dementia Research (ISD), LMU University Hospital, LMU Munich（中风与痴呆研究所以（ISD），慕尼黑大学医院，慕尼黑大学） ； Computer Vision, Institute for Computational Visualistics, University of Koblenz（计算机视觉，计算视觉研究所，科布伦兹大学） 纠错

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

AI总结 CytoNet通过训练100万张显微图像片段，建立了人类大脑皮层细胞分辨率的基础模型，用于分析微架构并链接细胞结构与功能组织。

Comments 59 pages, 15 figures, 10 tables. Revised version

Primate vision reveals a missing principle for robust dynamic AI

灵长类视觉揭示了鲁棒动态人工智能缺失的原理

Matteo Dunnhofer, Christian Micheloni, Kohitij Kar

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

AI总结 该研究对比人类与猕猴视觉及相关神经网络，发现预测世界模型兼具跨外观泛化与高神经保真度，提出将运动逐步整合到物体表征是鲁棒动态视觉的关键原理。

Dendritic structure enables powerful plasticity

树突结构可实现强大的可塑性

Ben von Hünerbein, Federico Benitez, Kevin Max, Julian Göltz, Paul Haider, Simon Brandt, Arno Granier, Timo Gierlich, Jakob Jordan, Katharina A. Wilmes, Jean-Pascal Pfister, Walter Senn, Mihai A. Petrovici

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

AI总结 该研究聚焦树突结构对突触可塑性的影响，提出神经元区室化可让突触计算误差信号，通过梯度下降实现局部深度学习，能学习比全局赫布可塑性更复杂的任务。

Comments 30 pages, 4 figures, 3 boxes