脑机接口 / BCI

The N400 for Brain Computer Interfacing: complexities and opportunities

Karen Dijkstra, Jason Farquhar, Peter Desain

专题命中 BCI数据与评测 ：BCI(abstract)；brain computer interface(abstract)；分类 q-bio.NC

Comments 28 pages, 2 figures, 2 tables

A visual encoding model based on deep neural networks and transfer learning

Chi Zhang, Kai Qiao, Linyuan Wang, Li Tong, Guoen Hu, Ruyuan Zhang, Bin Yan

专题命中 BCI数据与评测 ：neural signal(abstract)；cortical(abstract)；分类 q-bio.NC

Spatial Filtering Pipeline Evaluation of Cortically Coupled Computer Vision System for Rapid Serial Visual Presentation

Zhengwei Wang, Graham Healy, Alan F. Smeaton, Tomas E. Ward

专题命中 BCI数据与评测 ：BCI(abstract)；EEG(abstract)；分类 eess.SP

Geometry-aware stationary subspace analysis

Inbal Horev, Florian Yger, Masashi Sugiyama

专题命中 BCI数据与评测 ：BCI(abstract)；brain computer interface(abstract)；分类 cs.LG

Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings

从非侵入式脑记录中解码感知语音的跨被试泛化

Aoke Zhang, Bo Wang, Xihong Wu, Heping Cheng, Jing Chen

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； National Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） 纠错

专题命中 BCI数据与评测 ：EEG(abstract,abstract_cn)

AI总结 该研究提出CPSD框架，结合对比学习、PESA模块等，在三类感知语音数据集上跨被试解码性能优于基线，提升了Top-10准确率。

Comments Submitted to IEEE Transactions on Audio, Speech, and Language Processing (TASLP)

RIVERPlace: Repairing Interconnect Violations with Efficient Retiming and Incremental Placement for AQFP Circuits

RIVERPlace：针对AQFP电路，采用高效重定时与增量布局修复互连违例

Robert S. Aviles, Ziyu Liu, Sasan Razmkhah, Massoud Pedram, Peter A. Beerel

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 本文针对AQFP电路的可扩展性挑战，提出RIVERPlace框架，整合重定时与增量布局等技术修复互连违例，大幅降低布局开销、运行时间与延迟，实现完整开源AQFP基准套件的后布线时序闭合。

MoDAl: Self-Supervised Neural Modality Discovery via Decorrelation for Speech Neuroprosthesis

MoDAl: 基于去相关的自监督神经模态发现用于语音神经假体

Yuanhao Chen, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 提出MoDAl框架，通过对比学习和对齐损失与去相关损失之间的协同作用，从多脑区发现互补神经模态，在Brain-to-Text Benchmark '24上将词错误率从26.3%降至21.6%。

Comments Accepted at ICMI 2026

Intuitionistic Linear Logic with Subexponentials: Type Theory, Categorical Models and Realisability

直觉线性逻辑与子指数：类型论、范畴模型与可实现性

Daniel Rogozin

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 本文提出了一种带有子指数的直觉线性逻辑类型论，并探讨了其范畴模型和可实现性理论。

BrainAgent: A Large Language Model-Driven Multi-Agent Framework for Autonomous Brain Signal Understanding

BrainAgent：一种大语言模型驱动的多智能体框架，用于自主脑信号理解

Yangxuan Zhou, Sha Zhao, Jiquan Wang, Shijian Li, Gang Pan

专题命中 BCI数据与评测 ：BCI(abstract_cn)；brain-computer interface(abstract)

AI总结 提出LLM驱动的多智能体框架BrainAgent，通过分层架构将自然语言意图转化为可执行的处理流水线，实现脑信号分析的自动化与民主化。

Comments 22 pages, 11 figures

Evaluating Stochastic Collapse and Implicit Bias in Multimodal Large Language Models

评估多模态大语言模型中的随机坍缩与隐式偏差

Huiyuan Zheng, Houtao Zhang, Boyang Wang, Qingyi Si, Hongcheng Guo

机构 * Fudan University（复旦大学） ； Beihang University（北航） ； JD.com（京东） 纠错

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 提出RandomBench基准测试，通过熵和分布偏差指标揭示多模态大语言模型在逻辑中性场景下存在随机坍缩现象，即无法维持均匀随机性。

Mind-Omni: A Unified Multi-Task Framework for Brain-Vision-Language Modeling via Discrete Diffusion

Mind-Omni：通过离散扩散实现脑-视觉-语言建模的统一多任务框架

Yizhuo Lu, Changde Du, Qingyu Shi, Hang Chen, Jie Peng, Liuyun Jiang, Shuangchen Zhao, Huiguang He

机构 * NeuBCI Lab, State Key Laboratory of Brain Cognition ； Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences, Beijing, China ； School of Future Technology, University of Chinese Academy of Sciences, Beijing, China ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China ； Zhongguancun Academy, Beijing, China ； Peking University, Beijing, China 纠错

专题命中 BCI数据与评测 ：BCI(abstract_cn)；brain-computer interface(abstract)

AI总结 提出Mind-Omni框架，利用离散扩散范式统一七种编码与解码任务，通过脑分词器将连续脑信号转化为离散令牌，实现多模态交互，并构建脑问答指令调优数据集，在多项任务上达到或超越专用模型性能。

Large-Scale AI and Foundation Models for Neuroscience: A Comprehensive Review

大规模人工智能与基础模型在神经科学中的应用：综合综述

Shihao Yang, Xiying Huang, Danilo Bernardo, Jun-En Ding, Andrew Michael, Guoan Wang, Jingmei Yang, Alison Anderson, Dinesh Giritharan, Patrick Kwan, Ashish Raj, Yu Zhang, Feng Liu

机构 * Department of Systems Engineering, Stevens Institute of Technology（系统工程系，史蒂文斯理工学院） ； Department of Neurology and Weill Institute for Neurosciences, University of California San Francisco（神经病学系和Weill神经科学研究所，旧金山大学） ； Duke Institute for Brain Sciences, Duke University（杜克大学脑科学研究所） ； Division of Systems Engineering, Department of Electrical and Computer Engineering, Boston University（系统工程 division，电气与计算机工程系，波士顿大学） ； Department of Neuroscience, School of Translational Medicine, Monash University（神经科学系，转化医学学院，莫纳什大学） ； Department of Neurology, Alfred Hospital, Melbourne, Victoria, Australia（神经病学系，阿尔弗雷德医院，墨尔本，维多利亚州，澳大利亚） ； Department of Radiology and Biomedical Imaging, University of California, San Francisco, CA, USA（放射学与生物医学成像系，旧金山大学，加州，美国） ； Department of Psychiatry and Behavioral Sciences, School of Medicine, Stanford University（精神病学与行为科学系，医学院，斯坦福大学） ； Wu Tsai Neurosciences Institute, Stanford University（吴氏神经科学研究所，斯坦福大学） ； Stanford Institute for Human-Centered AI, Stanford University（斯坦福大学人本人工智能研究所） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；neural decoding(abstract)

AI总结 本文综述了大规模AI模型在神经科学四个主要领域（神经影像与数据处理、脑机接口与神经解码、临床决策支持与转化框架、神经系统与精神疾病特定应用）的应用，展示了其在多模态数据整合、时空模式解释和临床转化方面的潜力，并强调了严格评估、领域知识整合、临床验证和伦理指南的重要性。

Comments Accepted for publication in Meta-Radiology

NeuroSkill(tm): Proactive Real-Time Agentic System Capable of Modeling Human State of Mind

NeuroSkill(tm)：一种能够建模人类心理状态的前瞻性实时代理系统

Nataliya Kosmyna, Eugene Hauptmann

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

AI总结 NeuroSkill(tm)通过整合脑机接口信号和SKILL.md描述，实现对人类心理状态的实时建模与多层面互动，采用开源协议并遵循伦理对齐AI标准。

Comments 36 pages, 18 figures

CineBrain: A Large-Scale Multi-Modal Brain Dataset During Naturalistic Audiovisual Narrative Processing

CineBrain: 一种大规模多模态大脑数据集用于自然视听叙事处理

Jianxiong Gao, Yichang Liu, Baofeng Yang, Jianfeng Feng, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；cortical(abstract)

AI总结 CineBrain通过多模态融合编码器和神经潜在解码器实现动态视频重建，利用fMRI和EEG互补优势提升视觉保真度，并揭示听觉输入对视觉感知的影响。

Comments Project Page: https://jianxgao.github.io/CineBrain

Embracing Trustworthy Brain-Agent Collaboration as Paradigm Extension for Intelligent Assistive Technologies

Yankai Chen, Xinni Zhang, Yifei Zhang, Yangning Li, Henry Peng Zou, Chunyu Miao, Weizhi Zhang, Xue Liu, Philip S. Yu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； MBZUAI（马克斯·普朗克人工智能研究所） ； McGill University（麦吉尔大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） 纠错

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

Comments Accepted by NeurIPS'25 Position Track

A Dataset Generation Scheme Based on Video2EEG-SPGN-Diffusion for SEED-VD

Yunfei Guo, Tao Zhang, Wu Huang, Yao Song

机构 * Chengdu Techman Software Co., Ltd.（成都技漫软件有限公司） ； Sichuan University（四川大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；EEG(abstract)

Barycenter Estimation of Positive Semi-Definite Matrices with Bures-Wasserstein Distance

Jingyi Zheng, Huajun Huang, Yuyan Yi, Yuexin Li, Shu-Chin Lin

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

SSRepL-ADHD: Adaptive Complex Representation Learning Framework for ADHD Detection from Visual Attention Tasks

Abdul Rehman, Ilona Heldal, Jerry Chun-Wei Lin

专题命中 BCI数据与评测 ：EEG(abstract)；分类 eess.SP、cs.LG、cs.HC

Journal ref 2024 IEEE International Conference on Big Data (BigData)

Optimizing food taste sensory evaluation through neural network-based taste electroencephalogram channel selection

Xiuxin Xia, Qun Wang, He Wang, Chenrui Liu, Pengwei Li, Yan Shi, Hong Men

专题命中 BCI数据与评测 ：EEG(abstract)；分类 q-bio.NC、eess.SP、cs.LG

Comments 33 pages, 13 figures

Neuro-BERT: Rethinking Masked Autoencoding for Self-supervised Neurological Pretraining

Di Wu, Siyuan Li, Jie Yang, Mohamad Sawan

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 q-bio.NC、eess.SP、cs.LG

Comments IEEE Journal of Biomedical and Health Informatics 2024 (camera ready)

SI-SD: Sleep Interpreter through awake-guided cross-subject Semantic Decoding

Hui Zheng, Zhong-Tao Chen, Hai-Teng Wang, Jian-Yang Zhou, Lin Zheng, Pei-Yang Lin, Yun-Zhe Liu

专题命中 BCI数据与评测 ：EEG(abstract)；分类 q-bio.NC、eess.SP、cs.LG

Relevance Feedback with Brain Signals

Ziyi Ye, Xiaohui Xie, Qingyao Ai, Yiqun Liu, Zhihong Wang, Weihang Su, Min Zhang

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

A Multi-Site Accelerator-Rich Processing Fabric for Scalable Brain-Computer Interfacing

Karthik Sriram, Raghavendra Pradyumna Pothukuchi, Michał Gerasimiuk, Oliver Ye, Muhammed Ugur, Rajit Manohar, Anurag Khandelwal, Abhishek Bhattacharjee

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

Comments 16 pages, 13 figures

Decoding Imagined Speech and Computer Control using Brain Waves

Abhiram Singh, Ashwin Gumaste

专题命中 BCI数据与评测 ：BCI(abstract)；分类 eess.SP、cs.LG、cs.HC

Comments Published in the Journal of Neuroscience Methods

Journal ref Journal of Neuroscience Methods, Volume 358, 1 July 2021, 109196

To Root Artificial Intelligence Deeply in Basic Science for a New Generation of AI

Jingan Yang, Yang Peng

专题命中 BCI数据与评测 ：BCI(abstract)；brain-computer interface(abstract)

Comments 13 pages; 7 figures; 23 references

Raccoons vs Demons: multiclass labeled P300 dataset

V. Goncharenko, R. Grigoryan, A. Samokhina

专题命中 BCI数据与评测 ：BCI(abstract)；分类 q-bio.NC、cs.LG、cs.HC

Utilizing Deep Learning Towards Multi-modal Bio-sensing and Vision-based Affective Computing

Siddharth Siddharth, Tzyy-Ping Jung, Terrence J. Sejnowski

专题命中 BCI数据与评测 ：EEG(abstract)；分类 eess.SP、cs.LG、cs.HC

Comments Accepted for publication in IEEE Transactions on Affective Computing. This version on the arXiv is the updated version of the same manuscript

QuantFormer: Learning to Quantize for Neural Activity Forecasting in Mouse Visual Cortex

QuantFormer：用于小鼠视觉皮层神经活动预测的量化学习模型

Salvatore Calcagno, Isaak Kavasidis, Simone Palazzo, Marco Brondi, Luca Sità, Giacomo Turri, Daniela Giordano, Vladimir R. Kostic, Tommaso Fellin, Massimiliano Pontil, Concetto Spampinato

专题命中 BCI数据与评测 ：neural signal(abstract)；分类 q-bio.NC、eess.SP

AI总结 QuantFormer是一款基于Transformer的模型，通过动态信号量化将神经活动预测转为分类任务，结合神经元特定令牌，在Allen数据集上实现小鼠视觉皮层活动预测的新基准，泛化性能优异。

Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts

无插补变压器学习实现跨异构临床队列的稳健阿尔茨海默病预测和校准不确定性量化

Christelle Schneuwly Diaz, Narmina Baghirova, Duy-Thanh Vu, Duy-Cat Can, Gilles Allali, Philippe Ryvlin, Oliver Y. Chén

机构 * Platform of Bioinformatics（生物信息平台） ； Lausanne University Hospital（洛桑大学医院） ； Faculty of Biology and Medicine（生物学与医学学院） ； University of Lausanne（洛桑大学） ； Leenaards Memory Centre（Leenaards记忆中心） ； Department of Clinical Neurosciences（临床神经科学系） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 针对阿尔茨海默病临床数据问题，提出无插补变压器NITROGEN，通过特定注意力联合建模。经训练和评估，在跨队列任务中优势明显，还引入调整方法。证明无插补学习在队列转移下的区分能力，强调多方面评估模型对临床部署的重要性。

Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

用于跨个体解码的快速全脑几何感知功能对齐

Pierre-Louis Barbarant, Florent Meyniel, Bertrand Thirion

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； Cognitive Neuroimaging Unit（认知神经成像单位） ； Institut National de la Santé et de la Recherche Médicale（法国国家卫生与医学研究院） ； Commissariat à l’Energie Atomique et aux énergies alternatives（法国原子能委员会及替代能源委员会） ； NeuroSpin center（神经科学中心） ； Institut de neuromodulation（神经调制研究所） ； Université Paris Cité（巴黎-城市大学） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究旨在解决个体大脑反应差异限制跨个体解码器发展的问题，提出功能对齐方法SpectralOT，将皮质几何嵌入拉普拉斯 - 贝尔特拉米本征模式规范对齐，以平衡功能特征与解剖结构，保持计算效率。

Journal ref Proceedings of the 9th Conference on Cognitive Computational Neuroscience, New York, NY, USA, 2026