脑机接口 / BCI

Reading the Eyes in VR: Multimodal Modeling of Social Intelligence

在虚拟现实中解读眼神：社会智能的多模态建模

Mohammad Fahim Abrar, Shayla Sharmin, Roghayeh Leila Barmaki

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 研究通过在 Unity 中为桌面和 VR 实现 RMET 并进行 2x2 混合研究，探究呈现媒介和反馈对 RMET 行为的影响。结果表明即时反馈影响注视和脑电，呈现媒介无客观差异，VR 可用性高，为 RMET 在受控环境作过程感知评估任务提供证据。

Graph Bispectrum for Nonlinear Mode Interactions

用于非线性模式相互作用的图双谱

Rahul Singh, Reza Abiri, Walter Besio

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在刻画图信号高阶相互作用，基于图傅里叶系数三阶矩定义图双谱张量及图双相干度量，建立相关性质，通过合成信号与脑电图实验验证其能检测非线性依赖，为图信号高阶分析提供可解释且高效的工具。

Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS-ANS Dynamics

全睡眠：一种通过中枢神经系统-自主神经系统动态分层对比学习的睡眠基础模型

Zhoujie Hou, Song Wang, Kexin Lou, Mo Wang, Chen Wei, Quanying Liu

机构 * Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； Omni-Intelligence（全知智能） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 介绍全睡眠模型，利用CNS/ANS划分，通过分层对比学习的三个目标进行拓扑约束表示学习，在多中心多模态PSG数据预训练后用于睡眠分期和多疾病分类，性能优于基线，凸显生理层次对睡眠表示学习的价值。

SPIDER -- Stitched Power-spectra for Inferring Directed information flow from incomplete and asynchronous Experimental Recordings

SPIDER -- 从不完整且异步的实验记录中推断有向信息流的拼接功率谱方法

Yisi S. Zhang, Daniel Y. Takahashi

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出SPIDER框架，利用频谱拼接和矩阵补全从异步、不完整的多区域记录中恢复有向信息流，通过模拟和神经数据验证，揭示了脑区间theta频带的前馈层级结构。

Milmer: a Framework for Multiple Instance Learning based Multimodal Emotion Recognition

Milmer: 一种基于多实例学习的多模态情感识别框架

Zaitian Wang, Jian He, Yu Liang, Xiyuan Hu, Tianhao Peng, Kaixin Wang, Jiakai Wang, Chenlong Zhang, Weili Zhang, Shuang Niu, Xiaoyang Xie

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本文提出Milmer框架，结合面部表情分析与EEG信号，采用Transformer融合方法提升多模态情感识别性能，通过细调Swin Transformer和交叉注意力机制实现高效特征融合，实验显示在DEAP数据集上达到96.72%的四类情感识别准确率。

An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students

人工智能辅助学习模式对高中生的探索性行为与脑电图研究

Kashika Khurana, Ally Liew

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过行为指标和脑电图数据，比较三种AI交互模式（导师、协作者、求解器）对高中生认知参与和问题解决行为的影响，发现不同模式下行为存在显著差异，脑电模式虽未达统计显著但值得进一步探索。

Comments 16 pages, 11 figures

Using Biometrics to Understand AI-Assisted Coding Performance and its Perception

使用生物特征理解AI辅助编程性能及其感知

Paolo Burelli, Fabio Calefato, Daniela Grassi, Mihaela Yurieva Hristova, Nicole Novielli, Alberto Antonio, Romano, Paolo Tell

机构 * IT University of Copenhagen（丹麦技术大学） ； University of Bari（巴里大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图、眼动追踪等生物特征数据，发现AI辅助编程与无辅助编程在认知过程上存在显著差异，且主观感知与客观测量不一致。

Comments Stage 2 RR under review at EMSE. The accepted Stage 1 protocol is publicly archived on OSF (DOI: 10.31219/osf.io/mex39_v2)

Structure leads and dominates comprehension in naturalistic reading

自然阅读中层级结构与统计的相对强度因测量指标而异

Nan Wang, Hanlin Wu, Jiaxuan Li

机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。

Low-dimensional representation of brain networks for seizure risk forecasting

用于癫痫发作风险预测的脑网络低维表示

Steven Rico-Aparicio, Martin Guillemaud, Alice Longhena, Vincent Navarro, Louis Cousyn, Mario Chavez

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。

Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review

A dual-system approach for epilepsy diagnosis: integrating mamba-Bi-LSTM architecture with SHAP-based verification

一种双系统癫痫诊断方法：融合Mamba-Bi-LSTM架构与基于SHAP的验证

Mufeng Chen, Jia Xie, Fuchang Luo, Quansheng Ren

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 提出双系统智能诊断框架，主判别系统结合Mamba与Bi-LSTM实现高精度，验证系统通过SHAP提供可解释性，准确率从92.6%提升至98.7%。

Comments 18 pages, 11 figures, 16 tables

Journal ref Biomedical Engineering Advances 11 (2026) 100218

Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data

纵向数据的稀疏函数奇异值分解用于双聚类和三聚类

Yue Zhao, Thierry Chekouo, Sandra Safo

机构 * Division of Biostatistics and Health Data Science University of Minnesota（生物统计学与健康数据科学系明尼苏达大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出Tri-SfSVD框架，通过稀疏惩罚同时进行连续轨迹估计与对象、特征和时间选择，实现纵向数据中的双聚类和三聚类，优于现有方法。

Who Is in Mind Matters: Attachment Representations in Early Childhood Synchronize Child-Adult Interacting Brains

谁在心中很重要：早期依恋表征同步儿童与成人的互动大脑

Ruxin Su, Jiayang Xu, Saishuang Wu, Haiwa Wang, Yamin Li, Zihan Yang, Yuqi Liu, Jieqiong Liu, Shanbao Tong, Yunting Zhang, Xiaoli Guo, Fan Jiang

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 通过远程合作者信念操纵实验，发现3-4岁儿童对母亲的依恋表征独立于实际合作者，显著增强脑间同步，并定位于右侧颞顶联合区，表明依恋表征是脑间同步的内源性驱动因素。

Comments 26 Pages,7 figures

LERD: Latent Event-Relational Dynamics for Neurodegenerative Classification

LERD: 用于神经退行性疾病分类的潜在事件-关系动力学

Yicheng Feng, Hairong Chen, Ziyu Jia, Samir Bhatt, Hengguan Huang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出LERD，一种端到端贝叶斯潜在事件-关系动力系统，直接从多通道脑电图推断潜在神经事件及其关系结构，无需事件或交互标注，在阿尔茨海默病分类中优于基线方法并提供生理对齐的动力学摘要。

Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism

基于一维CNN与多头注意力机制的混合深度学习模型用于癫痫发作分类

Mohammed Guhdar, Ramadhan J. Mstafa, Abdulhakeem O. Mohammed

机构 * Computer Science Department, College of Science, University of Zakho（扎赫大学科学学院计算机科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出一种结合一维卷积神经网络和多头注意力机制的混合深度学习模型，用于从脑电图信号中分类癫痫发作，以提高分类准确性。

Journal ref Biomedical Signal Processing and Control. Volume 112, pages 108495, 2026

SYNAPSE: Neuro-Symbolic Visual Thought-to-Text Decoding via Topological Semantic Denoising

SYNAPSE: 通过拓扑语义去噪的神经符号视觉思维到文本解码

Akshaj Murhekar, Abhijit Mishra

机构 * School of Information University of Texas at Austin（信息学院德克萨斯大学奥斯汀分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出SYNAPSE框架，利用常识图结构和潜在样本进行推理时符号正则化，稳定脑电到文本解码中的语义生成，无需微调大语言模型。

When do complex-valued neural networks help? A study of representation, geometry, and optimization

复值神经网络何时有帮助？表征、几何与优化的研究

Ashutosh Kumar

机构 * Owl Autonomous Imaging, Inc.（Owl 自动成像公司） ； RIT 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 通过对比复值神经网络与多种实值基线在合成射频、量子波函数和脑电图等任务上的表现，发现复值网络的优势依赖于表征、对称性和优化，并非普遍优越。

From Multimodal Signals to Adaptive XR Experiences for De-escalation Training

从多模态信号到自适应XR体验的降级训练

Birgit Nierula, Karam Tomotaki-Dawoud, Daniel Johannes Meyer, Iryna Ignatieva, Mina Mottahedin, Thomas Koch, Sebastian Bosse

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本文提出了一种多模态实时通信分析系统，用于自适应VR训练的基础交互层，整合了语音、手势、情感分析、脑电波和生理信号，通过同步技术实现用户意识和无意识沟通线索的连续评估，结合社会符号学和象征互动理论，构建了连接低层信号到冲突缓解的解释层。

Comments 16 pages, 5 figures, ACM Intelligent User Interfaces (IUI) Workshops 2026

A Temporally Augmented Graph Attention Network for Affordance Classification

一种时间增强的图注意力网络用于能力分类

Ami Chopra, Supriya Bordoloi, Shyamanta M. Hazarika

机构 * Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出EEG-tGAT，通过引入时间注意力和时间dropout改进GATv2，以提升交互序列中能力分类的性能。

Comments 6 pages, 6 figures. Accepted at 3rd IEEE Guwahati Subsection Conference (GCON 2026)

SASLO: A Scene-Aware Spatial Layout Optimization System for AR-SSVEP

SASLO：一种面向AR-SSVEP的场景感知空间布局优化系统

Beining Cao, Xiaowei Jiang, Charlie Li-Ting Tsai, Daniel Leong, Thomas Do, Chin-Teng Lin

专题命中 EEG解码 ：brain-computer interface(abstract)；分类 cs.HC

AI总结 本文提出SASLO系统，通过联合考虑场景亮度和刺激间距离优化AR-SSVEP的空间布局，提升户外真实环境中的系统鲁棒性。

Exploring the Relationship between Brain Hemisphere States and Frequency Bands through Classical Machine Learning and Deep Learning Optimization Techniques with Neurofeedback

通过经典机器学习和深度学习优化技术探讨大脑半球状态与频段之间的关系

Robiul Islam, Dmitry I. Ignatov, Karl Kaberg, Roman Nabatchikov

机构 * Innopolis University（因诺波利斯大学） ； Higher School of Economics（高等经济大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究通过经典和深度学习方法比较EEG频段分类器性能，发现Adagrad和RMSprop在不同频段表现优异，经典方法在离线分类中效率更高，而深度学习在实时神经反馈中表现更佳。

SABER: Spatial Attention, Brain, Extended Reality

SABER：空间注意、大脑、扩展现实

Tom Bullock, Emily Machniak, You-Jin Kim, Radha Kumaran, Justin Kasowski, Apurv Varshney, Julia Ram, Melissa M. Hernandez, Stina Johansson, Neil M. Dundon, Tobias Höllerer, Barry Giesbrecht

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 SABER框架通过虚拟现实环境研究三维空间中物体的注意力动态，验证了传统EEG指标在动态3D刺激中的有效性，为理解注意力机制和改进VR应用提供基础。

Comments Conference Paper, 11 pages. Published at the 2026 IEEE Conference on Virtual Reality and 3D User Interfaces (IEEE VR)

Graph2TS: Structure-Controlled Time Series Generation via Quantile-Graph VAEs

Graph2TS: 通过分位数图变分自编码器实现结构控制的时间序列生成

Shaoshuai Du, Joze M. Rozanec, Andy Pimentel, Ana-Lucia Varbanescu

机构 * Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学信息学院） ； Computer Architecture for Embedded Systems, University of Twente, Enschede, The Netherlands（特文特大学嵌入式系统计算机架构） ； Laboratory of Artificial Intelligence, Institute Jozef Stedan, Ljubljana, Slovenia（乔泽夫·斯特达安研究所人工智能实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出Graph2TS，通过分位数图变分自编码器实现时间序列生成，通过结构与残差分离提升分布保真度和时序对齐。

Supervised Contrastive Learning Framework for Electroencephalography-based Air-writing Recognition

基于脑电波的空中书写识别的监督对比学习框架

Anant Jain, Ayush Tripathi

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出监督对比学习框架以提升脑电波基于的空中书写识别的表示学习，通过对比学习提高分类准确率，实验显示在预处理信号和ICA成分上均取得显著提升。

Taming Epilepsy: Mean Field Control of Whole-Brain Dynamics

癫痫控制：整体脑动力学的均场控制

Ming Li, Ting Gao, Jingqiao Dua

机构 * School of Mathematics and Information Science（数学与信息科学学院） ； Guangzhou University（广州大学） ； School of Sciences（科学学院） ； Great Bay University（大亚湾大学） ； Guangdong Provincial Key Laboratory of Mathematical and Neural Dynamical Systems（广东省数学与神经动力系统重点实验室） ； School of Mathematics and Statistics（数学与统计学学院） ； Huazhong University of Science and Technology（华中科技大学） ； Center for Mathematical Science（数学科学中心） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于图正则化的Koopman均场游戏框架，通过Reservoir Computing和Alternating Population and Agent Control Network实现脑神经动力学的非线性控制，有效抑制癫痫发作并保持脑功能拓扑结构。

Comments 22 pages, 7 figures

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CAMEL-CLIP: Channel-aware Multimodal Electroencephalography-text Alignment for Generalizable Brain Foundation Models

CAMEL-CLIP：面向通用脑基础模型的通道感知多模态EEG-文本对齐

Hanseul Choi, Jinyeong Park, Seongwon Jin, Sungho Park, Jibum Kim

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Incheon National University（庆尚国立大学） ； Department of Artificial Intelligence（人工智能系） ； Inha University（Inha大学） ； Center for Brain-Machine Interface（脑机接口中心） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 CAMEL-CLIP通过通道属性位置编码、动态通道投影和双级对比学习，提升EEG-文本多模态基础模型在通道异质性下的鲁棒性，实验表明其在线性探测中表现最优。

Nested Deep Learning Model Towards A Foundation Model for Brain Signal Data

嵌套深度学习模型：面向脑信号数据的基础模型

Fangyi Wei, Jiajie Mo, Kai Zhang, Haipeng Shen, Srikantan Nagarajan, Fei Jiang

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出嵌套深度学习框架，解决脑电信号中棘波检测中通道配置变化和棘波来源识别的问题，提升预测精度并支持跨模态数据整合。

Comments 56 pages; paper structure updated

Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions

通过物理逆解初始化3D神经网络增强脑源重建

Marco Morik, Ali Hashemi, Klaus-Robert Müller, Stefan Haufe, Shinichi Nakajima

机构 * The Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Machine Learning Group, Department of Computer Science, TU Berlin（计算机科学系机器学习组，柏林技术大学） ； Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Max Planck Institut für Informatik（马克斯·普朗克信息研究所） ； Bernstein Center for Computational Neuroscience, Berlin, Germany（柏林计算神经科学中心） ； Physikalisch-Technische Bundesanstalt, Berlin, Germany（柏林物理技术联邦机构） ； Berlin Center for Advanced Neuroimaging, Charité–Universitätsmedizin Berlin, Germany（柏林高级神经成像中心，柏林夏里特大学医学院） ； RIKEN AIP, Tokyo, Japan（日本理化学研究所AIP） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 3D-PIUNet通过结合物理逆解和深度学习技术，提升EEG脑源定位的精度和实用性。

Comments Accepted in IEEE Transactions on Medical Imaging

Journal ref IEEE Transactions on Medical Imaging ( Volume: 45, Issue: 1, pp. 231 - 242, 2026)

mlx-snn: Spiking Neural Networks on Apple Silicon via MLX

mlx-snn: 通过MLX在Apple Silicon上实现脉冲神经网络

Jiahao Qin

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 mlx-snn是首个在Apple Silicon上原生实现的脉冲神经网络库，提供多种神经元模型和训练流程，实现高效SNN研究。

Comments 11 pages 3 figures

Adversarial Spatio-Temporal Attention Networks for Epileptic Seizure Forecasting

对抗性时空注意网络用于癫痫发作预测

Zan Li, Kyongmin Yeo, Wesley Gifford, Lara Marcuse, Madeline Fields, Bülent Yener

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 STAN通过对抗性时空注意网络实现癫痫发作预测，具有高灵敏度和低误报率，适用于实时边缘部署。

Journal ref AAAI2026 Workshop