脑机接口 / BCI

STST-JEPA: Shallow-Target Spatio-Temporal Joint Embedding Prediction Architecture For EEG Self-Supervised Learning

STST-JEPA：用于脑电图自监督学习的浅目标时空联合嵌入预测架构

Roy Segal, Yoni Svechinsky, Tomer Fekete

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

AI总结 研究针对脑电图脑年龄模型面临的问题，引入STST-JEPA自监督变压器，结合潜在预测目标与辅助信号重建项，经预训练和微调后在多任务中表现出色，且年龄预测残差与认知效率负相关。

Wavelet Scattering Transform for Interpretable Schizophrenia Biomarker Discovery and Classification from Resting-State EEG

基于小波散射变换的可解释精神分裂症生物标志物发现及静息态脑电图分类

Md. Taksimul Ahsan Tawhid, Nasif Ahmed Rafe, Alif Tahmid Priyom, K. M. Mustafizur Rahman

机构 * Department of EECE, Military Institute of Science and Technology (MIST)（电子工程与计算机科学系，军事科学与技术学院（MIST）） 纠错

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

AI总结 针对现有精神分裂症EEG分类方法存在特征缺陷、数据泄露的问题，本研究结合小波散射变换、留一受试者交叉验证与SHAP可解释性方法，实现高精度分类并识别出关键生物标志物。

Comments 15 pages, 11 figures

EEG Interpretation Across Chant Listening: A Single-Subject Pilot Investigation Using Spectral and Functional Connectivity Analysis

聆听吟唱时的脑电图解读：基于频谱和功能连接分析的单被试初步研究

Prerna Singh, Aishwarya Ghosh, Neelam Sinha, Deepti Navaratna

专题命中 EEG解码 ：EEG(title,abstract)；cortical(abstract)；分类 q-bio.NC、eess.SP

AI总结 本研究通过频谱和功能连接分析，比较了五种听觉条件下5岁儿童的大脑活动，发现不同吟唱条件（如Shiv Tandav Stotra）能调节神经振荡并形成不同的功能网络连接模式。

Decoding Semantic Categories from Picture-Naming EEG

从图片命名脑电中解码语义类别

Wei Hu, Binbin Xu

专题命中 EEG解码 ：EEG(title,abstract)；neural decoding(abstract)；分类 q-bio.NC、eess.SP

AI总结 本研究利用预训练单通道脑电编码器和多语言文本嵌入模型，从图片命名任务的高密度脑电中解码语义类别，结合早期和命名相关时间窗口，九类分类平衡准确率达0.781。

Comments 6 pages, 5 figures

Assessing Region-Level EEG Contributions to Cognitive Workload Prediction

评估区域级脑电图对认知负荷预测的贡献

Jacob Wong, Sohan Singh, Prannaya Gupta, Jin Xing Ang, Kritika Johari, U-Xuan Tan

机构 * School of InfoComm Technology, Ngee Ann Polytechnic（信息与通信技术学院，南洋理工学院新加坡分校） ； Engineering Product Development Pillar, Singapore University of Technology and Design（工程产品开发支柱，新加坡科技设计大学） ； NUS High School of Math and Science（国立大学科学高中） 纠错

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

AI总结 提出区域级评估框架，通过跨四个公开数据集的大规模分析，发现额叶电极组在混合被试和独立被试评估中均优于全头皮基线，额中央区域预测稳定性最高，支持设计高效通用的脑电图负荷监测系统。

Comments Accepted to EMBC 2026

Escaping the BLEU Trap: A Signal-Grounded Framework with Decoupled Semantic Guidance for EEG-to-Text Decoding

逃离BLEU陷阱：一种基于信号锚定与解耦语义引导的脑电解码文本框架

Yuchen Wang, Haonan Wang, Yu Guo, Honglong Yang, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 针对脑电解码文本中语义偏差、信号忽略和BLEU陷阱问题，提出SemKey多阶段框架，通过解耦语义目标（情感、主题、长度、意外性）和主动检索解码机制，强制生成基于信号而非语言先验，并采用检索和分布度量（如Fréchet距离）建立评估协议，有效缓解幻觉并达到最优性能。

SpecMoE: Spectral Mixture-of-Experts Foundation Model for Cross-Species EEG Decoding

SpecMoE：用于跨物种EEG解码的频谱混合专家基础模型

Davy Darankoum, Chloé Habermacher, Julien Volle, Sergei Grudinin

机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK（格勒诺布尔-阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔国立理工学院、让·库尔曼实验室） ； SynapCell SAS（SynapCell公司） 纠错

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

AI总结 本文提出SpecMoE模型，通过改进的频谱掩码策略和混合专家框架，提升EEG信号解码性能，实现跨物种和跨受试者的高准确率。

Comments 34 pages (12 pages in the main text and 22 pages in Supplementary Information)

Boundary-aware Prototype-driven Adversarial Alignment for Cross-Corpus EEG Emotion Recognition

面向边界的原型驱动对抗对齐用于跨语料EEG情绪识别

Guangli Li, Canbiao Wu, Na Tian, Li Zhang, Zhen Liang

机构 * School of Biological Science and Medical Engineering, Hunan University of Technology（湖南工业大学生物科学与医学工程学院） ； School of Biomedical Engineering, Health Science Center, Shenzhen University（深圳大学医学部生物医学工程学院） ； Guangdong Provincial Key Laboratory of Biomedical Measurements and Ultrasound Imaging（广东省生物医学测量与超声成像重点实验室） ； Shenzhen Pengrui Brain Science Technology（深圳鹏瑞脑科学技术有限公司） 纠错

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

AI总结 本文提出原型驱动对抗对齐框架，通过局部类条件对齐、对比语义正则化和边界感知聚合提升EEG情绪识别的跨语料泛化能力，实验显示在多个数据集上取得显著提升。

The Deep-Match Framework for Event-Related Potential Detection in EEG

用于EEG事件相关电位检测的深度匹配框架

Marek Zylinski, Bartosz Tomasz Smigielski, Gerard Cybulski

机构 * Institute of Metrology and Biomedical Engineering, Faculty of Mechatronics, Warsaw University of Technology（计量与生物医学工程研究所，机电学院，华沙技术大学） 纠错

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

AI总结 本文提出深度匹配框架用于单试次EEG事件相关电位检测，通过结合ERP模板先验知识提升检测性能，实验表明Deep-MF模型在跨受试者差异中表现更稳健，F1分数更高。

SPDIM: Source-Free Unsupervised Conditional and Label Shift Adaptation in EEG

SPDIM：无源无监督条件和标签偏移适应在EEG中

Shanglin Li, Motoaki Kawanabe, Reinmar J. Kobler

机构 * Nara Institute of Science and Technology (NAIST)（奈良科学技术大学） ； Department of Dynamic Brain Imaging, ATR（动态脑成像部门，ATR） ； Center for Advanced Intelligence Project, RIKEN（先进智能项目中心，RIKEN） 纠错

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

AI总结 SPDIM通过信息最大化原理，针对EEG中的标签偏移问题，提出了一种参数高效的流形优化方法，提升了无监督域适应的性能。

Comments Published at ICLR 2025

Uni-NTFM: A Unified Foundation Model for EEG Signal Representation Learning

Uni-NTFM：一种用于EEG信号表示学习的统一基础模型

Zhisheng Chen, Yingwei Zhang, Qizhen Lan, Tianyu Liu, Huacan Wang, Yi Ding, Ziyu Jia, Ronghao Chen, Kun Wang, Xinliang Zhou

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

AI总结 Uni-NTFM通过融合神经科学原理，提出了一种统一的基础模型，用于EEG信号表示学习，实现了高容量和高效的功能模块化，优于现有模型。

Comments Published as a conference paper at ICLR 2026

Graph Neural Networks in EEG-based Emotion Recognition: A Survey

基于EEG的情感识别中的图神经网络：综述

Chenyu Liu, Yuqiu Deng, Yihao Wu, Ruizhi Yang, Zhongruo Wang, Liangwei Zhang, Siyun Chen, Tianyi Zhang, Yang Liu, Yi Ding, Liming Zhai, Ziyu Jia, Xinliang Zhou

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Xi’an Jiaotong University, Xi’an, China（西安交通大学） ； Imperial College London, London, UK（伦敦帝国理工学院） ； Amazon, Seattle, WA, USA（亚马逊） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学） ； Uber Technologies, Inc., USA（Uber Technologies, Inc.） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） 纠错

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

AI总结 本文综述了基于EEG的情感识别中图神经网络的应用，分析了现有方法的共性与差异，并探讨了未来研究方向。

Comments The 30th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2026)

ChatBCI: A P300 Speller BCI Leveraging Large Language Models for Improved Sentence Composition in Realistic Scenarios

ChatBCI: 一种利用大语言模型改进真实场景中句子组成的P300拼写BCI

Jiazhen Hong, Weinan Wang, Laleh Najafizadeh

机构 * Integrated Systems and NeuroImaging Laboratory（集成系统与神经成像实验室） ； Department of Electrical and Computer Engineering, Rutgers University（电气与计算机工程系，罗格斯大学） 纠错

专题命中 EEG解码 ：BCI(title,abstract)；EEG(abstract)；分类 eess.SP、cs.HC

AI总结 ChatBCI利用大语言模型提升真实场景中句子组成的效率和效果。

Journal ref Scientific Reports, 2026

EEG2GAIT: A Hierarchical Graph Convolutional Network for EEG-based Gait Decoding

EEG2GAIT：一种用于基于EEG的步态解码的分层图卷积网络

Xi Fu, Rui Liu, Aung Aung Phyo Wai, Hannah Pulferer, Neethu Robinson, Gernot R Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Institute of Neural Engineering, Graz University of Technology（技术大学神经工程研究所） ； Center for Al in Medicine (C-AlM)（医学人工智能中心） 纠错

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

AI总结 EEG2GAIT通过分层图卷积网络和混合时间-频域奖励损失函数，实现了基于EEG的步态解码，提升了解码性能和准确性。

ENIGMA: EEG-to-Image in 15 Minutes Using Less Than 1% of the Parameters

ENIGMA：在15分钟内使用少于1%的参数实现EEG到图像的转换

Reese Kneeland, Wangshu Jiang, Ugo Bruzadin Nunes, Paul Steven Scotti, Arnaud Delorme, Jonathan Xu

机构 * University of Waterloo（滑铁卢大学） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 ENIGMA通过简单高效架构，在15分钟内实现EEG到图像的高精度解码，显著提升性能和微调效率。

A Unified SPD Token Transformer Framework for EEG Classification: Systematic Comparison of Geometric Embeddings

一种统一的EEG分类SPD令牌变换框架：几何嵌入的系统比较

Chi-Sheng Chen, En-Jui Kuo, Guan-Ying Chen, Xinyu Zhang, Fan Zhang

机构 * Independent Researcher（独立研究者） ； Department of Electrophysics, National Yang Ming Chiao Tung University, Hsinchu, Taiwan（国家阳明交通大学电子物理系） ； Department of Mathematics, Boise State University, Boise, ID, USA（数学系，博伊州立大学） 纠错

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

AI总结 本文提出了一种统一的EEG分类SPD令牌变换框架，通过系统比较几何嵌入方法，证明BWSPD在高维输入下具有更好的梯度条件数和归一化效果，同时在多种EEG任务中实现了优于传统方法的性能。

RAICL: Retrieval-Augmented In-Context Learning for Vision-Language-Model Based EEG Seizure Detection

RAICL：基于视觉-语言模型的EEG癫痫检测的检索增强上下文学习

Siyang Li, Zhuoya Wang, Xiyan Gui, Xiaoqing Chen, Ziwei Wang, Yaozhi Wen, Dongrui Wu

机构 * Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences（脑认知与脑启发智能技术国家重点实验室，自动化研究所，中国科学院） 纠错

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

AI总结 RAICL通过利用视觉-语言模型分析EEG波形图，实现了更高效的癫痫检测，无需重新训练，具有广泛临床应用前景。

HCFT: Hierarchical Convolutional Fusion Transformer for EEG Decoding

HCFT：用于EEG解码的层次卷积融合变换器

Haodong Zhang, Jiapeng Zhu, Yitong Chen, Hongqi Li

机构 * School of Software, Northwestern Polytechnical University（软件学院，西北工业大学） 纠错

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

AI总结 HCFT通过层次卷积融合变换器提升EEG解码性能，实现高准确率和稳定性。

Comments Submitted to IEEE Journals

Decoding EEG Speech Perception with Transformers and VAE-based Data Augmentation

基于变换器和基于VAE的数据增强的EEG语音感知解码

Terrance Yu-Hao Chen, Yulin Chen, Pontus Soederhaell, Sadrishya Agrawal, Kateryna Shapovalenko

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究利用VAE和变换器模型提升EEG语音解码性能，通过数据增强和序列到序列架构改进语音感知任务。

Comments 19 pages, 15 figures, 2 tables

Emotion classification using EEG headset signals and Random Forest

基于EEG头戴设备信号和随机森林的情感分类

Ricardo Vasquez, Diego Riofrío-Luzcando, Joe Carrion-Jumbo, Cesar Guevara

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

AI总结 本研究利用EEG信号和随机森林模型对人类情感进行分类，实现了高准确率的情感预测与实时识别。

Comments Preprint. Published version: https://doi.org/10.23919/CISTI58278.2023.10211789

Journal ref In 2023 18th Iberian Conference on Information Systems and Technologies (CISTI), 2023

Perceptogram: Reconstructing Visual Percepts and Presumptive Electrode Preference from EEG

Perceptogram: 从EEG重建视觉知觉及推测电极偏好

Teng Fei, Srinivas Ravishankar, Zhining Chen, Abhinav Uppal, Ian Jackson, Virginia R. de Sa

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

AI总结 Perceptogram通过简单线性解码器和CLIP嵌入实现从EEG到图像的高精度重建，并可视化EEG特征图以揭示视觉属性。

Cross-Modal Consistency-Guided Active Learning for Affective BCI Systems

Hyo-Jeong Jang, Hye-Bin Shin, Kang Yin

机构 * Dept. of Brain and Cognitive Engineering（脑科学与认知工程系） ； Korea University（韩国大学） ； Dept. of Artificial Intelligence（人工智能系） 纠错

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

Learning the relative composition of EEG signals using pairwise relative shift pretraining

Christopher Sandino, Sayeri Lala, Geeling Chau, Melika Ayoughi, Behrooz Mahasseni, Ellen Zippi, Ali Moin, Erdrin Azemi, Hanlin Goh

机构 * Apple（苹果公司） ； Stanford University（斯坦福大学） ； California Institute of Technology（加州理工学院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

Comments Foundation Models for the Brain and Body NeurIPS 2025 Workshop

REVE: A Foundation Model for EEG -- Adapting to Any Setup with Large-Scale Pretraining on 25,000 Subjects

Yassine El Ouahidi, Jonathan Lys, Philipp Thölke, Nicolas Farrugia, Bastien Pasdeloup, Vincent Gripon, Karim Jerbi, Giulia Lioi

机构 * IMT Atlantique Lab-STICC UMR CNRS 6285（IMT Atlantique 实验室） ； Psychology Department Université de Montréal（蒙特利尔大学心理学系） ； Mila (Quebec AI research institute)（魁北克人工智能研究院） ； UNIQUE (Quebec Neuro-AI research center)（魁北克神经人工智能研究中心） 纠错

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

Comments Code available at: https://brain-bzh.github.io/reve/

Macroscopic EEG Reveals Discriminative Low-Frequency Oscillations in Plan-to-Grasp Visuomotor Tasks

Anna Cetera, Sima Ghafoori, Ali Rabiee, Mohammad Hassan Farhadi, Yalda Shahriari, Reza Abiri

机构 * Department of Electrical, Computer, and Biomedical Engineering, University of Rhode Island（电气、计算机与生物医学工程系，罗德岛大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；cortical(abstract)；分类 eess.SP、cs.RO

Comments 12 pages, 8 figures, 1 table

EEG-Based Framework for Reflexive and Perceptual Assessment in CLIS: Preliminary Study in Healthy Volunteers

Nicoli Leal, Rute Bettencourt, Urbano J. Nunes, Gabriel Pires

专题命中 EEG解码 ：EEG(title)；BCI(abstract)；brain-computer interface(abstract)；分类 q-bio.NC、eess.SP

Comments 4 pages, 5 figures, accepted for 8th IEEE ENBENG Conference

A Statistical Mixture-of-Experts Framework for EMG Artifact Removal in EEG: Empirical Insights and a Proof-of-Concept Application

Benjamin J. Choi, Griffin Milsap, Clara A. Scholl, Francesco Tenore, Mattson Ogg

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

EEG-based Decoding of Selective Visual Attention in Superimposed Videos

Yuanyuan Yao, Wout De Swaef, Simon Geirnaert, Alexander Bertrand

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；分类 q-bio.NC、eess.SP

Unsupervised Pairwise Learning Optimization Framework for Cross-Corpus EEG-Based Emotion Recognition Based on Prototype Representation

Guangli Li, Canbiao Wu, Zhen Liang

机构 * School of Biological Science and Medical Engineering, Hunan University of Technology（湖南工业大学生物科学与医学工程学院） ； School of Biomedical Engineering, Health Science Center, Shenzhen University（深圳大学生物医学工程学院） ； Guangdong Provincial Key Laboratory of Biomedical Measurements and Ultrasound Imaging（广东省生物医学测量与超声成像重点实验室） 纠错

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

EEG-Language Pretraining for Highly Label-Efficient Clinical Phenotyping

Sam Gijsen, Kerstin Ritter

机构 * Charité – Universitätsmedizin Berlin, Department of Psychiatry and Psychotherapy, Berlin, Germany（柏林查理医院医学大学精神病与心理治疗系） ； Hertie Institute for AI in Brain Health, University of Tübingen, Germany（图宾根大学健康人工智能研究所） 纠错

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

Comments Accepted to ICML 2025