脑机接口 / BCI

Testing the limits of past-adapted explanations by post-endpoint randomisation: anticipatory EEG as a worked case

通过端点后随机化测试适配过去的解释的极限：以预期脑电图为例

George Sopasakis, Alexandros Sopasakis

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

AI总结 本研究提出Level II-A框架，以合成脑电图数据为案例，通过端点后随机化测试适配过去的解释的极限，将“过去解释”转化为可检验的量级限定主张。

Comments Perspective article. 90 pages, 6 figures, 15 tables; includes Supplementary Information. No human EEG data are analysed. Synthetic benchmark and reproducible software are available at https://github.com/geosop/LEVEL-IIA and https://doi.org/10.5281/zenodo.21887583

MUPA$^{2}$E: Multimodal Unified Perception with Asymmetric Attention for Emotion Assessment

MUPA²E：用于情绪评估的非对称注意力多模态统一感知框架

Stefanos Gkikas, Eric Nichols, Christian Arzate Cruz, Randy Gomez

机构 * Honda Research Institute Japan（日本本田研究所） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 本文提出MUPA²E多模态统一感知框架，用共享非对称注意力骨干处理面部视频与EEG，在DMER数据集上对比多配置，发现时长线索影响分类，控制时长后准确率下降，证明统一架构处理异质信号的可行性。

Bayesian Feature Extraction using Gaussian and Diffused-gamma Priors for High Dimensional Spatio-Temporal Data

使用高斯和扩散伽马先验对高维时空数据进行贝叶斯特征提取

Garrett Frady, Dipak K. Dey, Shariq Mohammed

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 针对含稀疏结构及时空依赖性的高维数据，开发贝叶斯特征提取框架，采用高斯和扩散伽马先验诱导结构化稀疏，经MCMC计算后验，引入两阶段提取过程，以EEG案例研究验证，提升了稀疏特征恢复及可解释性，广泛适用于相关高维结构化问题。

What Does the Brain See? Multiview Neural Representations to Demystify the Brain-Visual Alignment

大脑看到了什么？多视角神经表征揭示大脑-视觉对齐

Salini Yadav, Taveena Lotey, Pravendra Singh, Partha Pratim Roy

机构 * Department of CSE IIT Roorkee（印度理工学院鲁尔基分校计算机科学与工程系） ； Department of CSE IIT (ISM) Dhanbad（印度理工学院(印度矿业学院)丹巴德分校计算机科学与工程系） 纠错

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出多视角EEG表示学习框架，联合建模时域、频域和空间结构，通过对比学习对齐视觉语义，在THINGS-EEG基准上实现SOTA零样本分类。

QDSV: A Semantic Problem Representation and Multi-Backend Execution Framework for Quantum-Oriented Computation

QDSV：面向量子计算的语义问题表示与多后端执行框架

Jaime Alexander Jimenez Lozano, Sebastian Jimenez Giraldo

专题命中 EEG解码 ：EEG(summary_cn,abstract)

AI总结 提出QDSV框架，通过语义表示分离问题规范与后端实现，支持非电路形式的执行模式，并在EEG分类案例中验证了跨模拟器和硬件的稳定执行。

Comments 12 pages, 1 figure, 6 tables

Graph-Based Approaches to Learning Epileptogenic Zone Localization Using Stereo-EEG Recordings

基于立体脑电图记录的致痫灶定位图学习方法

Daniel Wendelken, Brian Ervin, Ravindra Arya, Ali A. Minai

机构 * University of Cincinnati（辛辛那提大学） ； Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医疗中心） 纠错

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

AI总结 该研究针对40例患者，对比不同图拓扑的图学习模型，发现Region-Bridge-$c$拓扑在致痫灶定位中表现最优，证明图构建需明确评估。

Comments 8 pages, 2 figures. Accepted for the Proceedings of IEEE WCCI 2026 (IJCNN), Maastricht, Netherlands

E-MagDiP: Electro-Magnetic based Differential Privacy for EEG based Community Sensing

E-MagDiP：基于电磁的差分隐私用于基于脑电图的社区感知

Ayanga Imesha Kumari Kalupahana, Vishruti Ranjan, Li-Shiuan Peh

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

AI总结 研究基于脑电图的社区感知中的隐私问题，提出E-MagDiP框架，利用外部无线电发射射频信号到脑电图耳机，在采集时扰动信号引入差分隐私噪声，无需用户修改，实现实用的脑电图社区感知差分隐私。

Predicting the Outcome of rTMS Depression Therapy using EEG Signals and CNN

使用脑电图信号和卷积神经网络预测重复经颅磁刺激治疗抑郁症的结果

Wael Korani, Md Fahimul Kabir Chowdhury, Sadam AlQadi, Priyan Malarvizhi kumar, Reza Rostami, Reza Kazemi

机构 * University of North Texas（北德克萨斯大学） ； University of Tehran（德黑兰大学） 纠错

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

AI总结 研究利用FBSE - ED和DWT两种时频方法生成脑电图信号图像，提出深度学习分类器预测rTMS抑郁症治疗结果，经实验验证该方法准确率高，优于多种模型，能促进早期预测和临床决策，且框架具有可解释性和高效性。

Comments Presented at 8th International Conference on Recent Trends in Image Processing & Pattern Recognition (RTIP2R)

PeakFlow: Peak-Guided Coarse-to-Refined Modeling for EEG-Based Dynamic Affective Trajectory Prediction

PeakFlow：基于脑电图的动态情感轨迹预测的峰值引导粗到精建模

Hao Tang, Songyun Xie, Xinzhou Xie, Can Liao, Xin Zhang, Bohan Li, Zhongyu Tian, Dalu Zheng

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

AI总结 研究基于脑电图的动态情感轨迹预测问题，提出PeakFlow框架，先通过脑电图时间标记化等学习粗略情感流，再用轻量级残差细化器校准，提升了全局轨迹拟合和峰值中心时间可靠性，突出峰值感知建模的重要性。

Comments Preprint. Code is available at https://github.com/jukebox333/PeakFlow

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。

Multimodal EEG-IMU Fusion for Motor Assessment: Leveraging Task-Dependent Complementarity for Robustness

用于运动评估的多模态脑电-惯性测量单元融合：利用任务相关互补性提高鲁棒性

Zhenan Yin, Lalitha Pranathi Pulavarthy, Saptarshi Purkayastha

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

AI总结 研究针对运动障碍评估中多传感模式整合不足问题，通过同步记录脑电-惯性测量单元数据，评估特定任务模态性能和多模态融合。结果表明脑电和惯性测量单元各有优势，后期融合可利用互补性提高评估可靠性，为大规模临床验证提供依据。

NeuroOnline: Bridging Pretraining and Online Adaptation for EEG Foundation Models

NeuroOnline：为脑电图基础模型搭建预训练与在线适应的桥梁

Weibin Li, Wendu Li, Yushan You, Chen Wei, Quanying Liu

机构 * Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 研究脑电图基础模型，提出NeuroOnline框架，集成多视图一致性学习和上下文感知表示调制机制，统一表示对齐和动态适应，实验表明其在在线设置中性能优于基线。

I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals

I²RiMA: 基于脑电图信号的心理压力检测的谱黎曼表示与时序注意力

Cheng He, Kunyu Peng, Shangen Han, Jinming Ma, Jinhong Ding, Likun Xia

机构 * Laboratory of Neural Computing and Intelligent Perception, College of Information Engineering, Capital Normal University（首都师范大学信息工程学院神经计算与智能感知实验室） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； School of Psychology, Capital Normal University（首都师范大学心理学院） 纠错

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

AI总结 提出I²RiMA网络，通过频点独立构建协方差矩阵并映射到SPD切空间，结合频率聚类和切片间注意力，实现跨被试脑电压力检测，在三个数据集上达到82.78%平衡精度。

Low-Density EEG for Seizure Detection: Evaluating CNN-RNN Architectures on a Behind-the-Ear Montage Setup

低密度脑电图用于癫痫检测：评估耳后导联设置下的CNN-RNN架构

Annika Stiehl, Patrick Wingert, Nicolas Weeger, Nicole Ille, Christian Uhl, Stefan Geißelsöder

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

AI总结 本研究使用CNN-RNN混合深度学习模型，在模拟耳后导联的低密度脑电图上实现癫痫自动检测，提出CNN-Merged模型，在TUSZ数据集上达到85.89%的ROC AUC和79.11%的平衡准确率，验证了低密度配置下鲁棒检测的可行性。

Comments Accepted to the 34th European Signal Processing Conference (EUSIPCO 2026)

Real-Time EEG Cap Electrode Detection for Guided Point-of-Care Placement

用于即时护理放置引导的实时脑电图帽电极检测

William Lehn-Schiøler, Mads Sverker Nilsson, Nicki Skafte Detlefsen

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 该研究提出两阶段视觉系统，用单类YOLO检测器定位脑电图帽电极，经几何阶段验证位置。通过留一法交叉验证评估，介绍了不同帽尺寸及增强方法对检测的影响，还提及骨干网络保持实时吞吐量，能实时检测并验证电极位置。

Comments Preprint. 13 pages, 7 figures, 4 tables

Decoding EEG Signals to Explore Next-Word Predictability in the Human Brain

解码脑电信号以探索人类大脑中的下一个单词可预测性

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 该研究利用脑电图探索大脑中单词可预测性的神经机制，重点关注N400时间窗口内不同词汇和语法类别情况。发现实词N400差异更明显，动词差异大于名词，名词可预测性信息更独特，且解码技术在捕捉认知过程表征上比传统分析更有效。

Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models

编码脑电信号以研究语言模型中类人下一个单词预测行为

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。

Reducing the Complexity of Deep Learning Models for EEG Analysis on Wearable Devices

降低可穿戴设备上用于脑电图分析的深度学习模型复杂度

Farough Shayeste Roodi, Parham Zilouchian Moghaddam, Mahdi Mohammadi-nasab, Mehdi Modarressi, Mostafa Ersali Salehi Nasab, Masoud Daneshtalab

机构 * University of Tehran（德黑兰大学） ； Mälardalen University（梅拉达伦大学） ； Royal Institute of Technology（皇家理工学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 研究通过参数量化和电极减少方法，在资源受限的可穿戴设备上部署DNN模型，实现脑电图分析中精度与复杂度的权衡。

Pretrained, Frozen, Still Leaking: Auditing Cross-Encoder Attribute Transfer in EEG Foundation Models

预训练、冻结、仍在泄露：脑电图基础模型中跨编码器属性转移的审计

Jianwei Tai

机构 * Jianwei Tai（Tai Jianwei） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 提出跨编码器桥接攻击，证明单一端点审计无法检测属性泄露，并引入审计端点分歧分数（AEDS）作为联合发布决策规则。

REACT 2026: The Fourth Multiple Appropriate Facial Reaction Generation Challenge: Personalised MAFRG and Appropriate EEG Reaction Prediction

REACT 2026：第四届多适切面部反应生成挑战赛：个性化MAFRG与适切脑电反应预测

Siyang Song, Micol Spitale, Zijian Wu, Xiangyu Kong, Cheng Luo, Cristina Palmero, German Barquero, Sergio Escalera, Michel Valstar, Mohamed Daoudi, Fabien Ringeval, Andrew Howes, Elisabeth Andre, Hatice Gunes

机构 * University of Exeter（埃克塞特大学） ； Politecnico di Milano（米兰理工大学） ； Nanjing University of Science and Technology（南京理工大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； King's College London（伦敦国王学院） ； Universitat de Barcelona（巴塞罗那大学） ； University of Nottingham（诺丁汉大学） ； IMT Nord Europe（IMT 北欧欧洲） ； Université Grenoble Alpes（格勒诺布尔-阿尔卑斯大学） ； University of Augsburg（奥格斯堡大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 提出REACT 2026挑战赛，鼓励开发机器学习模型，用于生成个性化、适切、多样、真实且同步的人类面部反应，并引入个性标签和脑电记录，探索新的一对多个性化面部反应生成设置。

Comments arXiv admin note: text overlap with arXiv:2505.17223

FAConformer: Frequency-Aware Convolutional Transformer for Auditory Attention Decoding

FAConformer：用于听觉注意解码的频率感知卷积Transformer

Ziwei Wang, Xingyi He, Tianwang Jia, Hongbin Wang, Dongrui Wu

机构 * Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（湖北脑启发智能系统重点实验室，人工智能与自动化学院，华中科技大学） 纠错

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

AI总结 提出FAConformer框架，通过频带特定编码和自适应跨频带交互，有效利用脑电图频域信息进行听觉注意解码，在公开数据集上超越现有最佳模型4.9%。

Comments 15 pages, 7 figures

A Stationarity-and-Coupling Criterion for Training-Free Time-Lagged Spectral Embeddings of Multivariate Time Series

多变量时间序列无训练时滞谱嵌入的平稳性与耦合准则

Siddharth Pal, Viktoria Rojkova

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出基于时滞相关矩阵截断的固定长度描述符D(τ)，通过平稳高斯VAR(1)模型推导其适用条件：信号近似平稳且类别信息存在于跨通道时间耦合而非边际功率。

Comments 25 pages, 2 figures, 10 tables

Spatially Masked Regression Reveals Local and Distributed Predictability in Electrophysiological Recordings

空间掩蔽回归揭示电生理记录中的局部和分布式可预测性

Maryam Ostadsharif Memar, Nima Dehghani

机构 * Department of Electrical and Computer Engineering, IUT（电气与计算机工程系） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（脑科学研究所，麻省理工学院（MIT）） 纠错

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

AI总结 提出空间掩蔽回归（SMR）框架，通过逐步增大掩蔽区域量化电极信号中局部与分布式信息的贡献，应用于颅内和头皮脑电数据，发现邻近电极贡献显著但非全部，表明信号同时包含局部冗余和全局结构。

Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval

超越试次平均：锚定神经与视觉表征以实现少重复脑-图像检索

Zhenyao Cui, Siyuan Kan, Dingkun Liu, Dongrui Wu

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

AI总结 针对少重复脑-图像检索精度骤降问题，本文提出NEAR框架，通过锚定神经与视觉表征实现性能提升，减少对重复采集的依赖，逼近实际部署要求。

Comments 8 pages, 6 figures

Personalized Scorer Modeling: A Learning-Based Framework for Deriving Robust Sleep Stage Labels from Multiple Experts

个性化评分者建模：一种基于学习的框架，用于从多位专家处推导鲁棒的睡眠阶段标签

Seyyed Ali Hoseini, Javad Baseri, Hamid Saadatfar, Edris Hoseini Gol, AmirHossein Eshghi

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

AI总结 本研究提出基于学习的个性化评分者建模框架 LBH，利用多评分者数据集构建更可靠的睡眠阶段参考标签，在 DOD-H、DOD-O 数据集上较基线方法提升了睡眠分期性能。

Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions

基于多模态可穿戴设备的嗅觉诱导唤醒-效价维度情感识别

Chen-Yang Xu, Lan Zhang, Fei-Yi Fan, Bin Hu, Qing-Hao Meng

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

AI总结 针对现有嗅觉情感研究的维度失衡与多模态数据不足问题，构建多模态嗅觉情感数据集，提出STF-HFNet模型，在两个数据集上取得最优情感识别准确率。

End-to-End Markov State Sequence Learning for Auditory Attention Decoding

用于听觉注意力解码的端到端马尔可夫状态序列学习

Yushan Yashengjiang, Jie Zhang, Miao Sun, Huadong Liang, Xin Li, Zhen-hua Ling

机构 * NERC-SLIP, University of Science and Technology of China（中国科学技术大学NERC-SLIP） ； School of Information and Communication Engineering, Guangzhou Maritime University（广州航海学院信息与通信工程学院） ； Artificial Intelligence Research Institute, iFLYTEK Company, Ltd.（科大讯飞股份有限公司人工智能研究院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

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

AI总结 研究针对听觉注意力解码中多数模型为独立短窗口分类器的问题，提出基于条件随机场的端到端马尔可夫AAD框架，引入ESCNet，通过联合优化目标学习注意力状态序列，实验证明该方法在多个数据集上优于传统孤立窗口分类。

Unifying Adaptive Fourier and Möbius-Based Models for Efficient and Interpretable Biomedical Signal Decomposition

统一自适应傅里叶与基于莫比乌斯的模型以实现高效且可解释的生物医学信号分解

Christian Canedo, Rocío Carratalá-Sáez, Cristina Rueda

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

AI总结 本文证明自适应傅里叶分解（AFD）与调频莫比乌斯（FMM）模型在数学上等价，并扩展至多通道信号，为结合AFD的计算优势与FMM的可解释性提供理论基础。

SPOTR: Spatio-temporal Pooling One-Token Reconstruction for Universal Physiological Signal Self-supervised Learning

SPOTR: 面向通用生理信号自监督学习的时空池化单令牌重建

Yiyu Gui, Mingzhi Chen, Yuesheng Zhu, Guibo Luo, Yuchao Yang

机构 * New Cornerstone Science Laboratory, Guangdong Provincial Key Laboratory of In-Memory Computing Chips, Shenzhen Graduate School, Peking University（新基石科学实验室，广东省存算一体芯片重点实验室，北京大学深圳研究生院） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院） 纠错

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

AI总结 提出SPOTR框架，通过单令牌全局瓶颈压缩-重建预训练，解决生理信号自监督学习在异构数据集上的性能瓶颈，在线性探测下显著提升AUC并降低计算开销。

Comments The paper has been accepted by IJCAI-ECAI 2026

MedTS-TTT: Test-Time Training for Medical Time Series Classification

MedTS-TTT：医学时间序列分类的测试时训练

Mingzhi Chen, Yiyu Gui, Guibo Luo

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院） 纠错

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

AI总结 提出MedTS-TTT框架，通过闭环自对齐测试时训练和门控卷积骨干网络，实现无需迭代内循环优化的快速样本自适应，在4个公开数据集上取得11/12的top-1排名。

Comments Accepted at MICCAI 2026