脑机接口 / BCI

Multi-Signal Reconstruction Using Masked Autoencoder From EEG During Polysomnography

Young-Seok Kweon, Gi-Hwan Shin, Heon-Gyu Kwak, Ha-Na Jo, Seong-Whan Lee

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

Comments Proc. 12th IEEE International Winter Conference on Brain-Computer Interface

Changes in Power and Information Flow in Resting-state EEG by Working Memory Process

Gi-Hwan Shin, Young-Seok Kweon, Heon-Gyu Kwak

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

Comments Submitted to 2023 11th IEEE International Winter Conference on Brain-Computer Interface

Evaluating Latent Space Robustness and Uncertainty of EEG-ML Models under Realistic Distribution Shifts

Neeraj Wagh, Jionghao Wei, Samarth Rawal, Brent M. Berry, Yogatheesan Varatharajah

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

Comments NeurIPS 2022 camera ready version. Code available at https://github.com/neerajwagh/evaluating-eeg-representations. tl;dr - We develop model diagnostic measures to identify failure modes of EEG-ML models before deployment without access to out-of-distribution data. Keywords - dataset shift, EEG, representation learning, robustness, latent space, uncertainty quantification, distribution shift

Semi-automated Annotation of Signal Events in Clinical EEG Data

Scott Yang, Silvia Lopez, Meysam Golmohammadi, Iyad Obeid, Joseph Picone

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

Comments Published in IEEE Signal Processing in Medicine and Biology Symposium. Philadelphia, Pennsylvania, USA

Journal ref S. Yang, S. Lopez, M. Golmohammadi, I. Obeid and J. Picone, "Semi-automated annotation of signal events in clinical EEG data," 2016 IEEE Signal Processing in Medicine and Biology Symposium (SPMB), Philadelphia, PA, 2016, pp. 1-5

Comparison of P300 Responses in Auditory, Visual and Audiovisual Spatial Speller BCI Paradigms

M. Chang, N. Nishikawa, Z. R. Struzik, K. Mori, S. Makino, D. Mandic, T. M. Rutkowski

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

Comments Proceedings of the Fifth International Brain-Computer Interface Meeting 2013, 2 pages, 1 figure

Beyond Flickering: Introducing Code-Modulated Motion Visual Evoked Potentials for Brain-Computer Interfacing

超越闪烁：引入代码调制运动视觉诱发电位用于脑机接口

Hanneke Scheppink, Rainer Herpers, Jordy Thielen, Ivan Volosyak

专题命中 EEG解码 ：BCI(abstract,abstract_cn)；EEG(abstract,abstract_cn)；分类 q-bio.NC

AI总结 本文提出了一种基于运动刺激的代码调制运动视觉诱发电位(c-MVEP)用于脑机接口，通过对比不同刺激方式的性能，展示了其在信号质量和应用潜力上的优势。

Comments Author Accepted Manuscript. Published in Frontiers in Neuroergonomics

NanoSleep: A Parameter-Efficient Hybrid Temporal Convolutional Network for Single-Channel Sleep Stage Classification

NanoSleep：一种用于单通道睡眠分期分类的参数高效混合时间卷积网络

S M Asif Hossain, Shruti Kshirsagar

机构 * School of Computing, Wichita State University（威奇托州立大学计算学院） 纠错

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

AI总结 本研究提出参数高效的混合时间卷积网络NanoSleep，解决单通道EEG睡眠分期分类中模型体积大的问题，经实验验证其在准确率与效率间实现平衡，适用于资源受限设备

M-LINKX: Multiview Graph Learning for Brain Cognitive Disease Detection

M-LINKX：用于脑部认知疾病检测的多视图图学习框架

An Phan, Yufei Jin, Xingquan Zhu

机构 * Florida Atlantic University（佛罗里达大西洋大学） 纠错

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

AI总结 本研究提出多视图图学习框架M-LINKX，通过构建多视图功能连接图并融合表示，在CAUEEG和AHEAP两类EEG数据集的痴呆分类任务中取得最优性能。

Comments Accepted at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA 2026). 8 pages, 5 figures

ProtoGIB-Workload: Learning Workload-Specific Neural Topology Prototypes across Subjects

ProtoGIB-Workload：跨被试学习特定工作负载的神经拓扑原型

Yuzhe Zhang, Yixi Zhang, Shengdian Jiang, Chengxi Xie, Jihong Wang, Huan Liu, Man Yao, Minnan Luo, Chao Shen

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 本文针对EEG工作负载识别中跨被试泛化差的问题，提出ProtoGIB-Workload框架，结合SGIB和CTS实现稳定的神经拓扑原型学习，在多数据集LOSO实验中提升跨被试Macro-F1分数平均5.15%。

Complexity and Stability of Neural Activity Across Aging and Neurodegenerative Disease

衰老与神经退行性疾病中神经活动的复杂性与稳定性

Junjie Yu, Jianyu Zhang, Zian Pei, Xue Shi, Yumei Liu, Xin Jiang, Quanying Liu, Yi Guo

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 该研究以EEG为对象，用Wasserstein距离和内在维度分别量化神经活动的稳定性与复杂性，发现健康衰老、轻度认知障碍及阿尔茨海默病的神经表征稳定性与复杂性存在特征性变化，为相关研究提供了新框架。

A Modular Workflow for Multimodal Reading Experiments

多模态阅读实验的模块化工作流程

Thomas Krämer, Thomas Kosch, Dagmar Kern, Daniel Hienert

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 该研究提出一种基于网络的模块化工作流程，整合眼动、EEG等多模态数据，可适配不同实验设置，用于在线阅读的多模态研究，支持生态情境下的实证验证。

Comments In Proceedings of the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems

EEGForceFusion: Joint Tokenised-Continuous Representation Learning for Subject-Independent Grasp Force Decoding

EEGForceFusion：用于独立于主体的抓握力解码的联合令牌化-连续表示学习

Sankalp Sunil Turankar, Yogesh Kumar Meena

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 研究针对连续抓握力解码难题，提出混合EEG解码框架，联合建模连续和令牌化表示，集成多种技术于统一架构，实验表明该方法在WAY-EEG-GAL数据集上跨主体泛化能力强，适用于实时力解码。

Comments 6 pages, 9 figures, 4 tables, accepted at Brain-Machine Interface (BMI) Systems Session, IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)

Addressing Limited Data in Auditory Attention Decoding with Diffusion Generative Models

用扩散生成模型解决听觉注意力解码中的数据有限问题

David Rannaleet, Victor Gunnarsson, Bo Bernhardsson, Martin A. Skoglund, Emina Alickovic

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

AI总结 研究针对助听器中听觉注意力解码因数据有限面临的挑战，利用扩散概率模型生成合成语音诱发EEG数据进行数据增强，实验证明该方法能显著提高AAD性能，凸显其减轻训练数据限制及增强模型鲁棒性的潜力。

Exploring Brain Networks Using Noninvasive Electrophysiological Measurements: Methods and Applications

使用非侵入性电生理测量探索脑网络：方法与应用

Richard Leahy, Takfarinas Medani

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 该研究围绕使用EEG和MEG探索脑网络展开，阐述了其物理原理、正逆问题等方法基础及实际工作流程，涵盖多种连通性测量方法和新兴途径，为相关研究人员和学生提供了概念与实践指导。

Comments Book chapter manuscript including 6 figures and comprehensive references

Using hierarchical statistical learning models to model individual statistical learning

使用分层统计学习模型对个体统计学习进行建模

Hanna Ringer, Tatsuya Daikoku

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 研究用分层贝叶斯统计学习模型，在有无诵读困难的成年人听结构化音调序列时，通过EEG记录对个体学习轨迹建模，虽未发现组间显著差异，但模型模拟与EEG数据对应紧密，为未来研究提供概念验证。

Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs

利用人类阅读过程中产生的认知信号增强微博关键词抽取

Xinyi Yan, Yingyi Zhang, Chengzhi Zhang

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 研究利用脑电图（EEG）和眼动追踪信号增强微博关键词抽取（AKE），发现EEG特征带来最大性能提升，两种信号部分互补但存在冗余。

Journal ref IPM, 2024

RECTOR: Masked Region-Channel-Temporal Modeling for Affective and Cognitive Representation Learning

RECTOR：面向情感与认知表征学习的掩码区域-通道-时间建模

Jinhan Liu, Mahsa Shoaran

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 提出RECTOR自监督框架，通过自适应功能分区和掩码拓扑学习，统一建模EEG/sEEG的区域-通道-时间动态，在情感识别和任务参与分类上达到新最优，且对缺失通道和跨导联泛化鲁棒。

Structure-Preserving Correction Learning for Sparse Bayesian Inference in Brain Source Imaging

脑源成像中稀疏贝叶斯推断的结构保持校正学习

Marco Morik, Xiao Ruiting, Shinichi Nakajima, Stefan Haufe, Ismail Huseynov

机构 * Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所（BIFOLD）） ； Technische Universität Berlin（柏林技术大学） ； RIKEN Center for Advanced Intelligence Project (AIP)（理化学研究所先进智能项目中心（AIP）） ； Physikalisch-Technische Bundesanstalt（物理技术联邦机构） ； Charité – Universitätsmedizin Berlin（柏林夏里特大学医学院） 纠错

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

AI总结 提出一种结构保持的校正学习方法，通过展开经典联合超参数求解器为可训练神经网络，在保留贝叶斯结构的同时学习更新机制，提升M/EEG脑源成像的重建性能和收敛性。

Comments preprint

A comparative study of the robustness of frequency--domain connectivity measures to finite data length

有限数据长度对频域连接性度量鲁棒性的比较研究

Sara Sommariva, Alberto Sorrentino, Michele Piana, Vittorio Pizzella, Laura Marzetti

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 本文通过数值模拟研究数据时间长度对EEG时间序列脑连接估计可靠性的影响，比较了IC、gPDC和fGC三种连接性度量在小样本下的鲁棒性差异。

Comments 32 pages, 13 figures

Can brains generate random numbers?

大脑能生成随机数吗？

Vašek Chvátal, Mark Goldsmith

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 受正常脑活动EEG记录的启发，构建了任意大的McCulloch-Pitts神经网络，无需外部输入即可使每个神经元子集在某些迭代中（从而在无限多次迭代中）激活。

On the blind source separation of human electroencephalogram by approximate joint diagonalization of second order statistics

基于二阶统计量近似联合对角化的人脑电图盲源分离

Marco Congedo, Cédric Gouy-Pailler, Christian Jutten

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 本文综述了基于二阶统计量（SOS）和高阶统计量（HOS）的盲源分离（BSS）在人脑电图（EEG）分析中的应用，提出了一种基于傅里叶共谱矩阵近似联合对角化（AJDC）的时频域BSS方案，并讨论了其假设与局限性。

Journal ref Clinical Neurophysiology 119, 12 (2008) 2677-2686

A Minimalist Brain-Computer Musical Interface for Real-Time Emotion-Driven Sonification: System Design and Preliminary Evaluation

极简脑机音乐接口用于实时情感驱动声化：系统设计与初步评估

Pablo A. Monroy-D'Croz, Rafael Ramirez-Melendez, Julian Cespedes-Guevara

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 cs.HC

AI总结 本文提出一种极简脑机音乐接口，通过前额EEG活动实时估计情感效价并映射到音乐特征，实验发现额叶alpha不对称性无法可靠区分指令性情绪状态。

Convergent Representations of Linguistic Constructions in Human and Artificial Neural Systems

人类和人工神经系统的语言构造收敛表征

Pegah Ramezani, Thomas Kinfe, Andreas Maier, Achim Schilling, Patrick Krauss

机构 * Department of English and American Studies, University Erlangen-Nuremberg（英语与美国研究系，埃尔朗根-纽伦堡大学） ； Pattern Recognition Lab, University Erlangen-Nuremberg（模式识别实验室，埃尔朗根-纽伦堡大学） ； Neuromodulation and Neuroprosthetics, University Hospital Mannheim, University Heidelberg（神经调控与神经假体，曼海姆大学医院，海德堡大学） ； BGU Ludwigshafen, Germany（吕贝克大学吕贝克分校，德国） ； Neuroscience Lab, University Hospital Erlangen（神经科学实验室，埃尔朗根大学医院） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 研究通过EEG验证人类神经活动对语言构造的表征，发现句末alpha波段出现构造特异性神经签名，与人工语言模型的构造表征模式相似，支持语言构造作为形式-意义映射的神经编码。

Neural Bridge Processes

神经桥过程

Jian Xu, Yican Liu, Delu Zeng, John Paisley, Qibin Zhao

机构 * RIKEN AIP（理化学研究所AIP） ； South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 神经桥过程通过引入输入锚定轨迹提升生成路径的条件性，解决传统扩散过程在输入条件编码上的不足，实验显示在回归、EEG、CylinderFlow和图像回归任务中均取得提升。

Triple Configuration of Brain Networks Based on Recurrent Neural Networks: The Synergistic Effects of Exogenous Stimuli, Task Demands, and Spontaneous Activity

基于循环神经网络的脑网络三重配置：外源性刺激、任务需求与自发活动的协同效应

Binghao Yang, Guangzong Chen

专题命中 EEG解码 ：EEG(summary_cn,abstract)；分类 q-bio.NC

AI总结 本文提出利用循环神经网络建模 resting-state EEG 数据，揭示由外源和内源因素驱动的脑网络三重配置，发现顶叶网络在支持多种配置模式中的关键作用，以及不同刺激模态下前顶叶和后顶叶区域的功能特化。

Activity Coefficient-based Channel Selection for Electroencephalogram: A Task-Independent Approach

Kartik Pandey, Arun Balasubramanian, Debasis Samanta

机构 * Indian Institute of Technology, Kharagpur, West Bengal, India（印度理工学院，克哈格普尔，西孟加拉邦，印度） 纠错

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

Feature interpretability in BCIs: exploring the role of network lateralization

Juliana Gonzalez-Astudillo, Fabrizio De Vico Fallani

专题命中 EEG解码 ：BCI(abstract)；brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

Deep comparisons of Neural Networks from the EEGNet family

Csaba Márton Köllőd, András Adolf, Gergely Márton, István Ulbert

专题命中 EEG解码 ：BCI(abstract)；brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

Brain-based control of car infotainment

Andrea Bellotti, Sergey Antopolskiy, Anna Marchenkova, Alessia Colucciello, Pietro Avanzini, Giovanni Vecchiato, Jonas Ambeck-Madsen, Luca Ascari

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

A Technique Based on Chaos for Brain Computer Interfacing

A. Banitalebi, S. K. Setarehdan, G. A. Hossein-Zadeh

专题命中 EEG解码 ：BCI(abstract)；brain computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

Comments arXiv admin note: substantial text overlap with arXiv:1803.04606

Journal ref CSICC, 2009