脑机接口 / BCI

Leveraging a Foundation Model for the EEG-Based Diagnosis of Alzheimer's Disease

利用基础模型实现基于脑电图的阿尔茨海默病诊断

Maggie Lin, Chung-Lin Hou, Tzyy-Ping Jung

机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校） ； HippoScreen Neurotech Corp.（HippoScreen神经科技公司） ； Swartz Center for Computational Neuroscience（Swartz计算神经科学中心） 纠错

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

AI总结 本研究针对阿尔茨海默病诊断挑战，采用预训练于2500小时脑电图的大型脑模型LaBraM，结合随机森林分类器，仅用8秒脑电片段即达89.36%的ROC-AUC，优于传统方法，可提取临床相关生物标志物。

Comments 7 pages, 9 figures, 1 table. Accepted and presented at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

One Model for All: Universal Pre-training for EEG based Emotion Recognition across Heterogeneous Datasets and Paradigms

统一模型适用于所有：面向异构数据集与范式的脑电情感识别通用预训练

Xiang Li, You Li, Yazhou Zhang

机构 * Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center inJinan), Qilu University of Technology (Shandong Academy of Sciences), Jinan, China and Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science, Jinan, China（教育部计算功率网络与信息安全重点实验室，山东计算机科学中心（济南国家超算中心），青岛科技大学（山东省科学院），济南，中国和山东省计算功率互联网与服务计算省级重点实验室，山东省计算机科学基础研究中心，济南，中国） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） 纠错

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

AI总结 该研究针对脑电情感识别的数据集异质性问题，提出含UCS、ART与GAT的通用预训练框架，在多个数据集的被试内基准及跨数据集迁移任务上取得SOTA性能。

Comments We discovered substantive errors in the experimental methodology and reported results. These issues affect the validity of the current version, so we withdraw the article and plan to submit a corrected replacement

ERP-XTTN: Interpretable Prototype-Guided Cross-Attention for Cross-Subject ERP Classification

ERP-XTTN: 可解释的原型引导跨注意力用于跨被试ERP分类

Charlotte Genevier Wyman, Leanne Hirshfield

机构 * University of Colorado Boulder（科罗拉多大学波得尔分校） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；brain-computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 提出ERP-XTTN，一种基于原型引导跨注意力的架构，在无需校准的跨被试条件下实现可解释的ERP分类，并揭示分类错误的神经生理学原因。

Comments Accepted for publication in Journal of Neural Engineering. 39 pages including supplementary material, 7 figures, 24 tables. v2: accepted manuscript replacing the preprint

MSCGC-KAN: Multi-scale Causal Graph Convolution and KAN-inspired Analytic-basis Mapping for EEG Emotion Recognition

MSCGC-KAN: 用于脑电情感识别的多尺度因果图卷积与Kolmogorov-Arnold特征映射

Haoliang Gong, Qingshan She, Jiale Xu, Yunyuan Gao, Xugang Xi

机构 * School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China（杭州电子科技大学自动化学院） ； Zhejiang Provincial Key Laboratory of Brain Computer Collaborative Intelligence Technology（浙江省脑机协同智能技术与应用重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出MSCGC-KAN方法，通过多尺度因果图卷积和Kolmogorov-Arnold特征映射构建结构化任务头，在预训练CBraMod骨干上增强多尺度时间建模、可学习通道间连接建模和非线性判别映射，显著提升脑电情感识别性能。