脑机接口 / BCI

Hybrid Quantum Temporal Convolutional Networks

混合量子时序卷积网络

Junghoon Justin Park, Maria Pak, Sebin Lee, Samuel Yen-Chi Chen, Shinjae Yoo, Huan-Hsin Tseng, Jiook Cha

机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 混合量子时序卷积网络通过结合经典时间窗口化与量子卷积神经网络，实现对多变量时间序列的高效处理，在数据有限条件下表现出优越的参数效率和性能。

Journal ref IEEE International Conference on Quantum Communications, Networking, and Computing (QCNC 2026)

A Scaling Law for Bandwidth Under Quantization

量化下的带宽缩放定律

Maximilian Kalcher, Tena Dubcek

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文推导出量化下带宽与ADC位深度的缩放定律，揭示了1/f^α信号中有效截止频率与位深度的关系，并通过实验验证了该定律的准确性。

Comments 4 pages, 3 figures, submitted to IEEE Signal Processing Letters

Relating the Neural Representations of Vocalized, Mimed, and Imagined Speech

将发声、模仿和想象性言语的神经表示联系起来

Maryam Maghsoudi, Rupesh Chillale, Shihab A. Shamma

机构 * University of Maryland - College Park（马里兰大学-学院公园） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 该研究通过训练线性模型发现，不同语音条件下的神经表示存在共享结构，线性模型在刺激层面的可区分性优于非线性模型。

MantisV2: Closing the Zero-Shot Gap in Time Series Classification with Synthetic Data and Test-Time Strategies

MantisV2: 通过合成数据和测试时策略缩小零样本时间序列分类的差距

Vasilii Feofanov, Songkang Wen, Jianfeng Zhang, Lujia Pan, Ievgen Redko

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 MantisV2通过合成数据和测试时策略提升时间序列分类的零样本性能

Learning under noisy supervision is governed by a feedback-truth gap

在噪声监督下学习由反馈-真相差距所支配

Elan Schonfeld, Elias Wisnia

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 研究揭示在噪声监督下学习受反馈-真相差距约束，不同系统通过不同机制调节该差距，影响学习效果。

Comments 33 pages, 5 figures, 10 extended data figures, 4 extended data tables; 10-page supplementary information

Combining scEEG and PPG for reliable sleep staging using lightweight wearables

结合scEEG和PPG用于基于轻量可穿戴设备的可靠睡眠分期

Jiawei Wang, Liang Xu, Shuntian Zheng, Yu Guan, Kaichen Wang, Ziqing Zhang, Chen Chen, Laurence T. Yang, Sai Gu

机构 * School of Engineering, The University of Warwick（战争理大学工程学院） ； Department of Computer Science, The University of Warwick（战争理大学计算机科学系） ； College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Human Phenome Institute, Fudan University（复旦大学人类表型研究院） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） 纠错

专题命中 EEG解码 ：cortical(abstract)；分类 eess.SP

AI总结 本研究提出结合scEEG和PPG的轻量可穿戴设备睡眠分期方法，通过融合策略提升浅睡识别性能。

NeuroChat: A Neuroadaptive AI Chatbot for Customizing Learning Experiences

NeuroChat: 一种基于神经适应的AI聊天机器人，用于定制学习体验

Dünya Baradari, Nataliya Kosmyna, Oscar Petrov, Rebecah Kaplun, Pattie Maes

机构 * MIT Media Lab（麻省理工学院媒体实验室） ； Brown University（布朗大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 NeuroChat通过整合实时EEG反馈与生成式AI，实现学习者认知状态的动态适应，提升学习参与度。

Comments 21 pages, 7 figures, 2 tables

Journal ref CUI '25: Proceedings of the 7th ACM Conference on Conversational User Interfaces, July 8-10, 2025

Towards Causality-Aware Modeling for Multimodal Brain-Muscle Interactions

迈向因果意识的多模态脑-肌相互作用建模

Farwa Abbas, Wei Dai, Zoran Cvetkovic, Verity McClelland

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出一种结合几何流形重建与概率时间建模的DBN启发CCM框架，用于多模态脑-肌交互的因果建模，揭示了肌张力障碍中特定频率的通路重组织，并展示了其在生物标志物开发和神经调节干预中的应用潜力。

Privacy Risks in Time Series Forecasting: User- and Record-Level Membership Inference

时间序列预测中的隐私风险：用户级和记录级成员推断

Nicolas Johansson, Tobias Olsson, Daniel Nilsson, Johan Östman, Fazeleh Hoseini

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； AI Sweden（瑞典人工智能） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出两种针对时间序列预测的成员推断攻击方法，揭示预测模型在用户级攻击下的高脆弱性，并建立新的隐私风险评估基准。

When a Man Says He Is Pregnant: Event-related Potential Evidence for a Rational Account of Speaker-contextualized Language Comprehension

当一个人说他怀孕了：事件相关电位证据支持对说话者语境化语言理解的理性解释

Hanlin Wu, Zhenguang G. Cai

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 该研究通过ERP实验探讨说话者语境化语言理解中的理性推断机制，发现社会刻板印象导致N400效应，而生物学知识导致P600效应。

Journal ref J Cogn Neurosci 2026; 38 (3): 545-560

Fully-automated sleep staging: multicenter validation of a generalizable deep neural network for Parkinson's disease and isolated REM sleep behavior disorder

全自动睡眠分期：一种通用深度神经网络在帕金森病和孤立性快速眼动睡眠行为障碍中的多中心验证

Jesper Strøm, Casper Skjærbæk, Natasha Becker Bertelsen, Steffen Torpe Simonsen, Niels Okkels, David Bertram, Sinah Röttgen, Konstantin Kufer, Kaare B. Mikkelsen, Marit Otto, Poul Jørgen Jennum, Per Borghammer, Michael Sommerauer, Preben Kidmose

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本研究开发了一种通用深度神经网络，用于全自动睡眠分期，通过多中心验证提高了帕金森病和孤立性快速眼动睡眠行为障碍的诊断准确性。

Comments 21 pages excluding supplementary, 9 figures

TransConv-DDPM: Enhanced Diffusion Model for Generating Time-Series Data in Healthcare

TransConv-DDPM：增强的扩散模型用于生成医疗领域的时序数据

Md Shahriar Kabir, Sana Alamgeer, Minakshi Debnath, Anne H. H. Ngu

机构 * Department of Computer Science Texas State University San Marcos, TX, USA（计算机科学系德克萨斯州立大学桑马科斯分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 TransConv-DDPM通过结合DDPM、U-Net和Transformer层，有效生成医疗领域的高质量时序数据，提升预测模型性能。

Comments Previously published at IEEE COMPSAC 2025

Journal ref Proc. IEEE 49th Annual Computers, Software, and Applications Conference (COMPSAC), 2025

Are foundation models useful feature extractors for electroencephalography analysis?

基础模型在脑电图分析中是否有用的特征提取器？

Özgün Turgut, Felix S. Bott, Markus Ploner, Daniel Rueckert

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich（人工智能在医疗与健康中的研究所，慕尼黑技术大学） ； Department of Neurology, Technical University of Munich（神经病学系，慕尼黑技术大学） ； Center for Interdisciplinary Pain Medicine, Technical University of Munich（跨学科疼痛医学中心，慕尼黑技术大学） ； Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心，德国慕尼黑） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文研究了基础模型在脑电图分析中的有效性，发现通用时间序列模型在特征提取上具有竞争力，能有效捕捉生物标志物特征，减少对大规模数据集的依赖。

Efficient Solutions for Mitigating Initialization Bias in Unsupervised Self-Adaptive Auditory Attention Decoding

高效解决无监督自适应听觉注意力解码中的初始化偏差问题

Yuanyuan Yao, Simon Geirnaert, Tinne Tuytelaars, Alexander Bertrand

机构 * KU Leuven, Department of Electrical Engineering (ESAT)（鲁文大学电气工程系） ； KU Leuven, Department of Neurosciences（鲁文大学神经科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出三种高效算法，用于解决无监督自适应听觉注意力解码中的初始化偏差问题，实现较低且恒定的计算成本。

A Multi-decoder Neural Tracking Method for Accurately Predicting Speech Intelligibility

一种多解码器神经跟踪方法用于准确预测语音可懂度

Rien Sonck, Bernd Accou, Tom Francart, Jonas Vanthornhout

机构 * ExpORL, Dept. of Neurosciences, KU Leuven（ExpORL神经科学系，鲁文大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本研究提出多解码器神经跟踪方法，通过EEG数据预测语音可懂度，提高无法进行行为测试群体的评估准确性。

Systematic review of self-supervised foundation models for brain network representation using electroencephalography

基于脑网络表示的自监督基础模型系统综述：使用脑电图

Hannah Portmann, Yosuke Morishima

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文综述了基于脑电图的自监督基础模型，探讨了其预训练方法、模型架构及下游任务应用，指出需更多多样化数据和标准化评估以提升模型通用性。

Comments 19 pages, 1 figure, 3 tables

Brain-Informed Speech Separation for Cochlear Implants

基于脑区的助听器语音分离

Tom Gajecki, Jonas Althoff, Waldo Nogueira

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文提出了一种结合脑电图注意力线索的助听器语音分离方法，通过轻量级融合层提升信号与干扰比，实现更稳定的语音增强效果。

Differential Dynamic Causal Nets: Model Construction, Identification and Group Comparisons

微动态因果网络：模型构建、识别与群体比较

Kang You, Gary Green, Jian Zhang

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种基于EEG数据构建微动态因果网络的方法，用于分析群体中大脑动态因果性变化，揭示癫痫发作前后的神经网络功能紊乱。

Comments 40 pages, 13 figures

A thermoinformational formulation for the description of neuropsychological systems

神经心理学系统的热信息学描述法

George-Rafael Domenikos, Victoria Leong

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本文提出了一种热信息学方法，通过微态分布推导出宏观变量，用于描述神经心理学系统的信息交换与状态转换。

Comments Preprint. Submitted to PLOS Computational Biology

NeuroClean: A Generalized Machine-Learning Approach to Neural Time-Series Conditioning

NeuroClean：一种通用的机器学习神经时间序列条件化方法

Manuel A. Hernandez Alonso, Michael Depass, Stephan Quessy, Ali Falaki, Soraya Rahimi, Numa Dancause, Ignasi Cos

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 NeuroClean是一种通用的机器学习方法，用于神经时间序列的条件化处理，通过无监督算法有效去除伪影和噪声，提升信号质量和分类准确性。

Depression Detection Based on Electroencephalography Using a Hybrid Deep Neural Network CNN-GRU and MRMR Feature Selection

基于脑电图的抑郁症检测：一种混合深度神经网络CNN-GRU与MRMR特征选择

Mohammad Reza Yousefi, Hajar Ismail Al-Tamimi, Amin Dehghani

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出基于CNN-GRU和MRMR特征选择的深度学习框架，用于高准确率检测抑郁症状态。

Comments 20 pages, 8 figures

Sporadic Creutzfeldt Jakob disease presenting with cerebral atrophy following traumatic brain injury mimicking hydrocephalus a case report and literature review

散发性克雅氏病继发创伤性脑损伤后出现脑萎缩 mimic 梗阻性脑积水的病例报告及文献综述

Chun Zeng, Dezhu Gao, Liang Wu

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 散发性克雅氏病继发创伤性脑损伤后出现脑萎缩 mimic 梗阻性脑积水的病例报告及文献综述，通过病例分析和文献回顾，探讨了CJD的诊断过程及鉴别诊断的重要性。

Comments 7 pages, 2 figures, 1 table. Submitted to Brain and Spine

Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait

双头自注意力模型用于分类帕金森病患者冻结步态

Shomoita Jahid Mitin, Rodrigue Rizk, Maximilian Scherer, Thomas Koeglsperger, Daniel Lench, KC Santosh, Arun Singh

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本研究提出双头自注意力模型，通过结合EEG信号与描述性特征，实现对帕金森病患者冻结步态的高效分类。

Comments 39 pages, 9254 words, 4 figures, 4 tables, European Journal of Neuroscience: Special edition FOG

Contextual Discrepancy-Aware Contrastive Learning for Robust Medical Time Series Diagnosis in Small-Sample Scenarios

基于上下文差异的对比学习：用于小样本场景下稳健的医学时间序列诊断

Kaito Tanaka, Aya Nakayama, Masato Ito, Yuji Nishimura, Keisuke Matsuda

机构 * SANNO University（SANNO大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 CoDAC通过上下文差异估计器和动态多视图对比框架，提升小样本场景下医学时间序列诊断的准确性和泛化能力。

Explainability of Complex AI Models with Correlation Impact Ratio

复杂AI模型的可解释性与相关性影响比

Poushali Sengupta, Rabindra Khadka, Sabita Maharjan, Frank Eliassen, Yan Zhang, Shashi Raj Pandey, Pedro G. Lind, Anis Yazidi

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 ExCIR是一种基于相关性影响比的可解释性度量方法，通过轻量级单次通过公式捕捉相关特征依赖性，实现高效且稳定的特征解释，适用于多输出和类条件场景。

A Synoptic Review of High-Frequency Oscillations as a Biomarker in Neurodegenerative Disease

对高频率振荡作为神经退行性疾病生物标记物的综述

Samin Yaser, Mahad Ali, Yang Jiang, Phuc Nguyen, Jing Xiang, Laura J. Brattain

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP

AI总结 本文综述了HFOs在神经退行性疾病中的应用，分析了公开数据集并揭示了方法学异质性，为HFOs作为生物标记物的研究提供了指导。

Exploring Similarity between Neural and LLM Trajectories in Language Processing

探索神经与大语言模型在语言处理中的相似性

Xin Xiao, Kaiwen Wei, Jiang Zhong, Xuekai Wei, Mingliang Zhou

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 本研究通过比较LLMs与人类大脑在语言处理中的轨迹相似性，揭示了语义整合机制和实时处理动态的差异。

Escaping the Filter Bubble: Evaluating Electroencephalographic Theta Band Synchronization as Indicator for Selective Exposure in Online News Reading

突破过滤气泡：评估脑电图theta波同步作为在线新闻阅读中选择性暴露的指标

Thomas Krämer, Daniel Hienert, Francesco Chiossi, Thomas Kosch, Dagmar Kern

专题命中 EEG解码 ：EEG(abstract)；分类 cs.HC

AI总结 通过脑电图和眼动追踪评估在线新闻阅读中的选择性暴露，以提供更平衡的信息推荐

Journal ref In CHI EA 2025: Proceedings of the Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, edited by Naomi Yamashita, Vanessa Evers, Koji Yatani, and Xianghua Sharon Ding, 228. New York: ACM

Neural Networks on Symmetric Spaces of Noncompact Type

在非紧致型对称空间上神经网络

Xuan Son Nguyen, Shuo Yang, Aymeric Histace

机构 * ETIS, UMR 8051, CY Cergy Paris University, ENSEA, CNRS, France（ETIS研究所、法国巴黎中央理工学院、ENSEA、CNRS） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出了一种在非紧致型对称空间上设计神经网络的新方法，通过统一的距离公式实现完全连接层和注意力机制，验证了其在图像分类等任务中的有效性。

Somatosensory prediction in premature neonates: iatrogenic pain experience increases repetition suppression and deviance detection of innocuous stimuli in a tactile oddball protocol

早产新生儿的体感预测：医源性疼痛经历会增加对无害刺激的重复抑制和偏差检测

Anne-Lise Marais, Victoria Dumont, Marie Anquetil, Arnaud Mortier, Anne-Sophie Trentesaux, Nadege Roche-Labarbe

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 早产新生儿经历医源性疼痛会增强对无害刺激的体感预测能力，表明子宫内经历促进预测性体感处理的成熟。