脑机接口 / BCI

PRISM: Exploring Heterogeneous Pretrained EEG Foundation Model Transfer to Clinical Differential Diagnosis

PRISM：探索异构预训练EEG基础模型迁移至临床鉴别诊断

Jeet Bandhu Lahiri, Parshva Runwal, Arvasu Kulkarni, Mahir Jain, Aditya Ray Mishra, Siddharth Panwar, Sandeep Singh

机构 * Indian Institute of Technology Mandi, India（印度理工学院曼迪分校） ； NeuroDx, India（NeuroDx） 纠错

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

AI总结 PRISM通过异构预训练EEG模型在临床鉴别诊断中表现优异，证明多样性优于规模，揭示评估因素对模型排名的影响。

Comments 14 pages, 1 figure, 5 tables

Lightweight Transformer for EEG Classification via Balanced Signed Graph Algorithm Unrolling

基于平衡符号图展开的轻量级变换器用于EEG分类

Junyi Yao, Parham Eftekhar, Gene Cheung, Xujin Chris Liu, Yao Wang, Wei Hu

机构 * Peking University（北京大学） ； York University（约克大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出基于平衡符号图展开的轻量级变换器，用于高效分类EEG信号，通过频谱去噪算法实现低通滤波，减少参数量同时保持分类性能。

Comments Accepted by ICLR2026, 10 pages, 2 figures

Human-Centered Multimodal Fusion for Sexism Detection in Memes with Eye-Tracking, Heart Rate, and EEG Signals

以人类为中心的多模态融合用于表情包中性别歧视检测：结合眼动追踪、心率和EEG信号

Iván Arcos, Paolo Rosso, Elena Gomis-Vicent

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

AI总结 本文提出了一种结合眼动追踪、心率和EEG信号的多模态融合模型，用于更准确地检测表情包中的性别歧视。

Comments Accepted to appear in the Proceedings of LREC 2026

Explainable Interictal Epileptiform Discharge Detection Method Based on Scalp EEG and Retrieval-Augmented Generation

基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法

Yu Zhu, Jiayang Guo, Jun Jiang, Peipei Gu, Xin Shu, Duo Chen

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

AI总结 本文提出了一种基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法，通过双编码器和对比学习提升诊断性能和临床可解释性。

Bridging the Compression-Precision Paradox: A Hybrid Architecture for Clinical EEG Report Generation with Guaranteed Measurement Accuracy

弥合压缩-精度悖论：一种用于临床EEG报告生成的混合架构，保证测量精度

Wuyang Zhang, Zhen Luo, Chuqiao Gu, Jianming Ma, Yebo Cao, Wangming Yuan, Yinzhi Jin

机构 * Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本研究提出了一种混合架构，通过信号处理和跨模态翻译实现临床EEG报告生成，保证测量精度，减少误报并提升检测速度。

Comments 7 pages

E2CAR: An Efficient 2D-CNN Framework for Real-Time EEG Artifact Removal on Edge Devices

E2CAR: 一种高效的2D-CNN框架用于边缘设备上的实时EEG伪影去除

Haoliang Liu, Chengkun Cai, Xu Zhao, Lei Li

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

AI总结 E2CAR通过将1D CNN替换为2D CNN，实现边缘设备上EEG伪影去除的高效处理，推理时间减少90%，功耗降低18.98%

Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG

改进的TSception用于从EEG分析驾驶员困倦和心理负荷

Gourav Siddhad, Anurag Singh, Rajkumar Saini, Partha Pratim Roy

机构 * Department of Computer Science and Engineering, Indian Institute of Technology, Roorkee, Uttarakhand, 247667, India（计算机科学与工程系，印度理工学院，罗尔基，乌塔兰德，印度） ； Department of Computer Science and Engineering, OP Jindal University, Raigarh, Chhattisgarh, 496109, India（计算机科学与工程系，OP金达尔大学，拉里加，恰特内格尔，印度） ； Department of Computer Science, Electrical and Space Engineering, Luleå Tekniska Universitet, Luleå, 97187, Sweden（计算机科学、电气与航天工程系，卢勒奥技术大学，卢勒奥，瑞典） ； Department of Computer Science and Engineering, Indian Institute of Technology, Dhanbad, Jharkhand, 826007, India（计算机科学与工程系，印度理工学院，丹巴德，贾坎德，印度） 纠错

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

AI总结 本研究提出改进的TSception架构，通过五层层次时间细化策略和两阶段融合机制，提升EEG数据中驾驶员困倦和心理负荷检测的准确性和稳定性。

Comments 8 Pages, 4 Figures, 1 Table

Physiology as Language: Translating Respiration to Sleep EEG

生理学作为语言：将呼吸转化为睡眠EEG

Kaiwen Zha, Chao Li, Hao He, Peng Cao, Tianhong Li, Ali Mirzazadeh, Ellen Zhang, Jong Woo Lee, Yoon Kim, Dina Katabi

机构 * MIT Computer Science \& Artificial Intelligence Laboratory ； Women’s Hospital, Harvard Medical School 纠错

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

AI总结 本文提出了一种从呼吸信号合成睡眠EEG的跨生理翻译框架，实现了EEG重建及下游任务的高精度表现，展示了远程非接触神经评估的可行性。

Comments Tech report

EEG-based Graph-guided Domain Adaptation for Robust Cross-Session Emotion Recognition

基于EEG的图引导域适应用于鲁棒跨会话情绪识别

Maryam Mirzaei, Farzaneh Shayegh, Hamed Narimani

机构 * Department of Electrical ； Computer Engineering Isfahan University of Technology, Isfahan, Iran 纠错

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

AI总结 本文提出EGDA框架，通过图引导域适应和图正则化，实现鲁棒的跨会话情绪识别，实验显示在SEED-IV数据集上取得高准确率并超越基线方法。

Comments 10 pages, 7 figures

Numerical Twin with Two Dimensional Ornstein--Uhlenbeck Processes of Transient Oscillations in EEG signal

具有二维奥恩斯坦-乌尔赫内克过程的EEG信号瞬态振荡数值双胞胎

P. O. Michel, C. Sun, S. Jaffard, D. Longrois, D. Holcman

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

AI总结 本文提出了一种基于二维奥恩斯坦-乌尔赫内克过程的数值双胞胎框架，用于EEG信号中瞬态振荡的分析与实时跟踪。

Comments 11

MindCine: Multimodal EEG-to-Video Reconstruction with Large-Scale Pretrained Models

MindCine: 基于大规模预训练模型的多模态EEG到视频重建

Tian-Yi Zhou, Xuan-Hao Liu, Bao-Liang Lu, Wei-Long Zheng

机构 * School of Computer Science, Shanghai Jiao Tong University, 800 Dongchuan Road, Shanghai, China（计算机科学学院，上海交通大学） 纠错

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

AI总结 MindCine通过多模态联合学习和预训练大型EEG模型，实现有限数据下的高保真EEG到视频重建。

Exploring EEG-driven brain-heart coupling across sleep stages in individuals with sleep disorders

探索睡眠障碍个体在不同睡眠阶段中的脑心耦合

Jathushan Kaetheeswaran, Jenny Wei

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

AI总结 本研究探讨了睡眠障碍个体在不同睡眠阶段中脑驱动的心脏活动，发现神经活动对副交感活动有影响，可能通过调节关键EEG频段恢复心脏行为。

EEG-DLite: Dataset Distillation for Efficient Large EEG Model Training

EEG-DLite: 用于高效大规模EEG模型训练的数据蒸馏

Yuting Tang, Weibang Jiang, Shanglin Li, Yong Li, Chenyu Liu, Xinliang Zhou, Yi Ding, Cuntai Guan

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

AI总结 EEG-DLite通过数据蒸馏技术提升大规模EEG模型训练效率，实现高效且有效的生理基础建模。

Comments Accepted by AAAI-2026

Neural Tracking of Sustained Attention, Attention Switching, and Natural Conversation in Audiovisual Environments using Mobile EEG

使用移动EEG进行神经追踪：持续注意力、注意力切换和自然对话在音频视觉环境中的研究

Johanna Wilroth, Oskar Keding, Martin A. Skoglund, Maria Sandsten, Martin Enqvist, Emina Alickovic

机构 * Dept. of Electrical Engineering, Linköping University（电子工程系，利厄普堡大学） ； Centre for Mathematical Sciences, Lund University（数学科学中心，卢德大学） ； Eriksholm Research Centre, Oticon A/S（埃里克霍姆研究中心，Oticon A/S） 纠错

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

AI总结 本研究利用移动EEG技术，通过新型数据集研究音频视觉环境中持续注意力、注意力切换和自然对话的神经追踪，揭示了多说话人处理的复杂性及选择性注意力的分类性能。

Comments Submitted to European Journal of Neuroscience

RL-BioAug: Label-Efficient Reinforcement Learning for Self-Supervised EEG Representation Learning

RL-BioAug：用于自监督EEG表征学习的高效标签强化学习

Cheol-Hui Lee, Hwa-Yeon Lee, Dong-Joo Kim

机构 * Department of Brain and Cognitive Engineering, Korea University（脑科学与认知工程系，韩国大学） ； Interdisciplinary Program in Precision Public Health, Korea University（精准公共卫生跨学科项目，韩国大学） ； Department of Neurology, Korea University College of Medicine（神经病学系，韩国大学医学院） 纠错

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

AI总结 RL-BioAug通过高效强化学习策略提升EEG自监督表征学习性能，显著优于随机增强方法。

Brain states analysis of EEG predicts multiple sclerosis and mirrors disease duration and burden

脑电波脑状态分析预测多发性硬化并反映疾病持续时间和负担

István Mórocz, Mojtaba Jouzizadeh, Amir H. Ghaderi, Hamed Cheraghmakani, Seyed M. Baghbanian, Reza Khanbabaie, Andrei Mogoutov

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

AI总结 利用脑电波脑状态分析预测多发性硬化症并反映疾病持续时间与负担，通过量化方法区分病理与正常模式。

Comments v8: minor revision III. v7: major revision II. v6: major revision I. v5: cosmetics with references and citations. v4: added two citations, adjusted fig3. v3: New version got shortened by some 100 words. v2: A comparison with clinical data, related changes to the text and one figure were newly added to the manuscript. 12 pages, 3 figures, 1 table

Learning from Brain Topography: A Hierarchical Local-Global Graph-Transformer Network for EEG Emotion Recognition

从脑拓扑学习：一种用于EEG情绪识别的分层局部-全局图变压器网络

Yijin Zhou, Fu Li, Yi Niu, Boxun Fu, Huaning Wang, Lijian Zhang

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

AI总结 Neuro-HGLN通过整合生物基础先验与分层表示学习，提升EEG情绪识别的鲁棒性和可解释性。

Local-Global Feature Fusion for Subject-Independent EEG Emotion Recognition

局部-全局特征融合用于受试者无关的EEG情绪识别

Zheng Zhou, Isabella McEvoy, Camilo E. Valderrama

机构 * Computer Science and Technology（计算机科学与技术） ； Beijing Jiaotong University（北京交通大学） ； Applied Computer Science（应用计算机科学） ； The University of Winnipeg（温尼伯大学） 纠错

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

AI总结 本文提出局部-全局特征融合框架，通过双分支Transformer提升EEG情绪识别的跨受试者泛化能力，实现7类情绪识别约40%的准确率。

Comments 7 pages, 5 figures, EMBC 2026

Affect and Effect: Limitations of regularisation-based continual learning in EEG-based emotion classification

情感与影响：基于EEG情感分类的正则化连续学习的局限性

Nina Peire, Yupei Li, Björn Schuller

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

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

AI总结 本研究发现基于正则化的连续学习方法在EEG情感分类中存在局限性，主要由于稳定性与可塑性之间的权衡问题。

Comments 20 pages, 16 figures, not including Appendix. Code can be found at: https://github.com/glam-imperial/AffectEffect

Cross-Modal Computational Model of Brain-Heart Interactions via HRV and EEG Feature

通过HRV和EEG特征实现脑心交互的跨模态计算模型

Malavika Pradeep, Akshay Sasi, Nusaibah Farrukh, Rahul Venugopal, Elizabeth Sherly

机构 * Digital University Kerala（德里大学凯拉尔） ； Centre for Consciousness Studies, NIMHANS（意识研究学院，NIMHANS） 纠错

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

AI总结 本研究通过ECG和EEG特征构建跨模态模型，探索ECG信号作为认知负荷替代指标的可能性，并利用合成数据提升模型鲁棒性。

Comments 6 pages, 2 figures, Code available at: https://github.com/Malavika-pradeep/Computational-model-for-Brain-heart-Interaction-Analysis. Presented at AIHC (not published)

LookAroundNet: Extending Temporal Context with Transformers for Clinically Viable EEG Seizure Detection

LookAroundNet：利用Transformer扩展时间上下文以实现临床可行的EEG癫痫发作检测

Þór Sverrisson, Steinn Guðmundsson

机构 * University of Iceland（爱沙尼亚大学） ； Faculty of Computer Science（计算机科学学院） 纠错

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

AI总结 LookAroundNet通过扩展时间上下文和增加训练数据多样性，实现了在不同临床环境下的高效EEG癫痫发作检测。

Feedback Effects on Cognitive Dynamics: Network-Based Insights from EEG Patterns and Behavioral Performance

反馈对认知动态的影响：来自EEG模式和行为表现的网络视角

Behdokht Kiafar, Mohammad Fahim Abrar, Roghayeh Leila Barmaki

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

AI总结 本研究通过EEG和网络分析探讨反馈对认知动态的影响，发现反馈能增强高频脑波与正确反应的关联，提升任务表现。

Enhancing Robustness of Asynchronous EEG-Based Movement Prediction using Classifier Ensembles

利用分类器集合增强基于异步EEG的运动预测的鲁棒性

Niklas Kueper, Kartik Chari, Elsa Andrea Kirchner

机构 * Robotics Innovation Center（机器人创新中心） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Institute of Medical Technology Systems（医疗技术系统研究所） ； University of Duisburg-Essen（杜伊斯堡- Essen大学） 纠错

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

AI总结 本文提出利用分类器集合和滑动窗口后处理技术提升异步EEG运动意图检测的鲁棒性，通过实验验证了其在在线分类中的有效性。

Wave2Word: A Multimodal Transformer Framework for Joint EEG-Text Alignment and Multi-Task Representation Learning in Neurocritical Care

Wave2Word: 一种多模态Transformer框架，用于神经重症监护中的联合EEG-文本对齐和多任务表示学习

Argha Kamal Samanta, Deepak Mewada, Monalisa Sarma, Debasis Samanta

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

AI总结 Wave2Word提出一种多模态Transformer框架，通过整合信号域建模与结构化临床语言监督，实现EEG-文本对齐和多任务表示学习，提升神经重症监护中的EEG分析效果。

Fusion of Multiscale Features Via Centralized Sparse-attention Network for EEG Decoding

通过集中式稀疏注意力网络融合多尺度特征用于EEG解码

Xiangrui Cai, Shaocheng Ma, Lei Cao, Jie Li, Tianyu Liu, Yilin Dong

机构 * Department of Artificial Intelligence, Shanghai Maritime University（人工智能学院，上海海洋大学） 纠错

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

AI总结 本文提出EEG-CSANet，通过集中式稀疏注意力网络融合多尺度特征，实现高精度的EEG信号解码。

A Context-Aware Temporal Modeling through Unified Multi-Scale Temporal Encoding and Hierarchical Sequence Learning for Single-Channel EEG Sleep Staging

基于统一多尺度时间编码和分层序列学习的上下文感知时间建模用于单通道EEG睡眠分期

Amirali Vakili, Salar Jahanshiri, Armin Salimi-Badr

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

AI总结 本文提出一种基于统一多尺度时间编码和分层序列学习的上下文感知框架，用于提高单通道EEG睡眠分期的准确性和可解释性，特别是在N1阶段的检测性能。

A Unified Framework for EEG Seizure Detection Using Universum-Integrated Generalized Eigenvalues Proximal Support Vector Machine

基于 universum 集成广义特征值 proximal 支持向量机的 EEG 癫痫检测统一框架

Yogesh Kumar, Vrushank Ahire, M. A. Ganaie

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Ropar（计算机科学与工程系，印度理工学院Ropar） 纠错

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

AI总结 本文提出基于 universum 集成广义特征值 proximal 支持向量机的 EEG 癫痫检测统一框架，通过改进模型提升 EEG 信号分类的准确率。

Cognitive Inference based Feature Pyramid Network for Sentimental Analysis using EEG Signals

基于认知推断的特征金字塔网络用于EEG信号的情感分析

Vishesh Bhardwaj, Aman Yadav, Srikireddy Dhanunjay Reddy, Tharun Kumar Reddy Bollu

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

AI总结 本文提出基于认知推断的特征金字塔网络，用于EEG信号的情感分析，通过多尺度特征提取和GRU建模时间依赖性，提升情感分类的准确性。

Forecasting Excessive Anesthesia Depth Using EEG α-Spindle Dynamics and Machine Learning

利用EEG α-脊波动力学和机器学习预测过度麻醉深度

Christophe Sun, Pierre-Olivier Michel, François David, Nathalie Rouach, Dan Longrois, David Holcman

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

AI总结 本研究利用EEG α-脊波动力学和机器学习，开发出实时预测麻醉药物过量的非侵入性方法，提高麻醉管理的前瞻性。

Comments 11 pages, 4 figures

Enhancing Alzheimer's Detection through Late Fusion of Multi-Modal EEG Features

通过多模态EEG特征晚融合增强阿尔茨海默病检测

Nguyen Thanh Vinh, Manoj Vishwanath, Thinh Nguyen-Quang, Nguyen Viet Ha, Bui Thanh Tung, Huy-Dung Han, Nguyen Quang Linh, Nguyen Hai Linh, Hung Cao

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

AI总结 本研究提出一种基于多模态EEG特征晚融合的深度学习框架，用于提高阿尔茨海默病的早期检测准确率。