脑机接口 / BCI

EpiLENS: Patient-Relative Epileptogenic Zone Localization from Multi-Center Intracranial EEG

EpiLENS：基于多中心颅内脑电图的患者相对致痫区定位

Yuanchu Gong, Zibo Yan, Yibo Lyu, Chen Chen, Sixian Chan, Yalin Wang

专题命中 EEG解码 ：EEG(title)

AI总结 本研究提出EpiLENS框架，通过保守双证据定位策略结合PRQ-Net与BCR-Net分支，在多中心iEEG数据上实现更准确的患者相对致痫区定位，性能优于基线方法且泛化性良好。

Comments 17pages, 6 figures

Advanced EEG Source Models from the Perspective of FEM and Inverse Solutions

基于有限元法与逆问题求解的先进脑电源模型

Santtu Söderholm, Joonas Lahtinen, Sampsa Pursiainen

专题命中 EEG解码 ：EEG(title)

AI总结 该研究对比了两款有限元软件的脑电源模型，结合多种源估计方法，发现逆方法的性能取决于源聚焦假设与源模型的兼容性，宽分布源模型对噪声更敏感。

Comments 18 pages, 14 figures, an extended version of the conference paper https://arxiv.org/abs/2604.20448, fixed typo in Section 4.5 title

DMF2Mel: A Dynamic Multiscale Fusion Network for EEG-Driven Mel Spectrogram Reconstruction

Cunhang Fan, Sheng Zhang, Jingjing Zhang, Enrui Liu, Xinhui Li, Gangming Zhao, Zhao Lv

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Anhui University（安徽大学） 纠错

专题命中 EEG解码 ：EEG(title)

Comments Accepted by ACM MM 2025

Self-Supervised Distillation of Legacy Rule-Based Methods for Enhanced EEG-Based Decision-Making

Yipeng Zhang, Yuanyi Ding, Chenda Duan, Atsuro Daida, Hiroki Nariai, Vwani Roychowdhury

机构 * Samueli School of Engineering, UCLA, USA（UCLA工程学院） ； Mattel Children’s Hospital, David Geffen School of Medicine, UCLA, USA（Mattel儿童医院，大卫·格芬医学院，UCLA） 纠错

专题命中 EEG解码 ：EEG(title)

The analytical subtraction approach for solving the forward problem in EEG

Leandro Beltrachini

专题命中 EEG解码 ：EEG(title)

A unified information-theoretic model of EEG signatures of human language processing

Jiaxuan Li, Richard Futrell

专题命中 EEG解码 ：EEG(title)

Comments 4 pages, 3 figures, accepted InfoCog workshop at NeurIPS 2022

StrokeSight: A Novel EEG-Based Diagnostic System for Strokes Using Spectral Analysis and Deep Learning

Rohan Kalahasty, Lakshmi Sritan Motati

专题命中 EEG解码 ：EEG(title)

Multimodal Classification of Stressful Environments in Visually Impaired Mobility Using EEG and Peripheral Biosignals

Charalampos Saitis, Kyriaki Kalimeri

专题命中 EEG解码 ：EEG(title)

Comments IEEE Transactions on Affective Computing 2018

Analyse discriminante matricielle descriptive. Application a l'étude de signaux EEG

Juliette Spinnato, Marie-Christine Roubaud, Margaux Perrin, Emmanuel Maby, Jeremie Mattout, Boris Burle, Bruno Torrésani

专题命中 EEG解码 ：EEG(title)

Comments in French, Journ{é}es de statistique de la SFDS, Jun 2015, Lille, France

Techniques for noise removal from EEG, EOG and air flow signals in sleep patients

Matthew J. Berryman, Sheila Messer, Andrew Allison, Derek Abbott

专题命中 EEG解码 ：EEG(title)

Comments 9 pages, 3 figures

Canonical momenta indicators of financial markets and neocortical EEG

Lester Ingber

专题命中 EEG解码 ：EEG(title)

Comments 8 PostScript pages

Journal ref In Progress in Neural Information Processing (1996) 777-784

A Robust Method for Detecting Interdependences: Application to Intracranially Recorded EEG

J. Arnhold, P. Grassberger, K. Lehnertz, C. E. Elger

专题命中 EEG解码 ：EEG(title)

Comments 29 pages, 5 figures, paper accepted for publication in Physica D

Multisensor Measurement of Train Driver Mental Fatigue: From Simulation to Reality

列车驾驶员精神疲劳的多传感器测量：从模拟到现实

Esther Bosch, Rebecca Kruschka, David Schackmann, Stephanie Hoyer, Wolfgang Kilian, Stefan Schwanitz, Anneke Hamann

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

AI总结 本研究在模拟器与真实铁路环境中，首次部署完整多传感器组测量列车驾驶员精神疲劳，发现HRV和呼吸频率是可靠的运营疲劳监测指标，神经生理指标需进一步验证。

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

Technological Advances in Detecting and Managing Cognitive Impairment in Older Adults: Trends, Challenges, and Future Directions

老年人认知障碍检测与管理的技术进展：趋势、挑战与未来方向

Mohammad Asif, Azizuddin Khan, Mohd Azam, Anurag Rajkumar Bombarde

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； T-Systems ICT India Pvt. Ltd.（德国电信系统印度信息通信技术私人有限公司） 纠错

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

AI总结 本文综合老年人认知障碍检测与管理的技术进展，提出跨学科分类法等成果，指出现有模型多依赖小数据集，展望了可信多模态纵向验证系统的发展前景。

Comments Withdrawn due to an unresolved dispute regarding authorship eligibility and attribution

SL-S4Wave: Self-Supervised Learning of Physiological Waveforms with Structured State Space Models

SL-S4Wave：基于结构化状态空间模型的生理波形自监督学习

Feng Wu, Harsh Deep, Eric Lehman, Sanyam Kapoor, Guoshuai Zhao, Rahul G. Krishnan, Gari Clifford, Li-wei H Lehman

机构 * Massachusetts Institute of Technology（麻省理工学院） ； OpenEvidence, USA（OpenEvidence（美国）） ； New York University（纽约大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Toronto（多伦多大学） ； Emory University（埃默里大学） 纠错

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

AI总结 提出SL-S4Wave框架，结合对比学习与基于结构化状态空间模型的编码器，通过多尺度子核全局卷积捕获多通道生理波形的局部和长程依赖，在心律失常检测等任务中优于现有方法。

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。

Is Self-Pretraining really useful to improve diagnosis in medical Time Series?

自预训练（SPT）真的有助于改进医疗时间序列的诊断吗？

Omar Coser, Antonio Orvieto, Paolo Soda, Loredana Zollo

机构 * Università Campus Bio-Medico di Roma（罗马生物医学大学校园大学） ； Umeå University（于默奥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（埃利斯研究所蒂宾根分所） 纠错

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

AI总结 该研究探究自预训练（SPT）对Transformer在医疗时间序列诊断任务的影响，发现SPT可提升分类准确率0-6个百分点，是无需修改架构的通用有效策略。

Comments 21 pages, 7 figures,4 tables

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。

A Platform-Agnostic Multimodal Digital Human Modelling Framework: Neurophysiological Sensing in Game-Based Interaction

一种平台无关的多模态数字人类建模框架：基于游戏交互的神经生理传感

Daniel J. Buxton, Mufti Mahmud, Jordan J. Bird, Thomas Hughes-Roberts, David J. Brown

机构 * Nottingham Trent University（诺丁汉特伦大学） ； King Fahd University of Petroleum and Minerals（国王法赫德石油和矿物大学） 纠错

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

AI总结 本文提出了一种平台无关的多模态数字人类建模框架，通过统一的神经生理传感和游戏交互环境，支持AI驱动的可重复、可扩展的交互研究。

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。

Neuronal electricality founded in murburn-thermodynamic principles: 2. Comparisons, evidenced explanations, and predictions

基于murburn热力学原理的神经电活动：2. 比较、证据解释与预测

Kelath Murali Manoj, Nagamani Sukumar, Taufia Hussain, Mahendra Kavdia, Abhijith Anandakrishnan

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

AI总结 本文通过比较现有模型和实验数据，证明神经电活动源于murburn氧化还原介导的电子动力学，而非膜离子流驱动。该框架提供预测性结构，将可测量的电生理输出与物理可解释变量联系起来，扩展至更广泛的可兴奋系统。

Comments 33 pages, 2 Figures

Wearable Device-Based Real-Time Monitoring of Physiological Signals: Evaluating Cognitive Load Across Different Tasks

基于可穿戴设备的生理信号实时监测：评估不同任务下的认知负荷

Ling He, Yanxin Chen, Wenqi Wang, Shuting He, Xiaoqiang Hu

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

AI总结 本研究利用可穿戴技术，通过分析FP1通道脑电图和心率变异性数据，结合随机森林分类模型，实现了对中职学生认知负荷的高精度（97%）实时评估，并验证了跨任务迁移性。

Comments We are withdrawing this version as the submission was made prior to the completion of full internal coordination among all co-authors. To ensure consistency and avoid any potential misinterpretation, we have decided to withdraw the manuscript and leave it archived as a preprint record only

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

Rosetta Stone of Neural Mass Models

神经质量模型的罗塞塔石碑

Francesca Castaldo, Raul de Palma Aristides, Pau Clusella, Jordi Garcia-Ojalvo, Giulio Ruffini

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

AI总结 本文提出一个统一框架，将各种神经质量模型（NMM）置于从抽象到生物细节的连续谱中，通过从简谐振荡器出发并逐步增加细节，将不同形式转化为可导航的阶梯，从而将NMM选择从主观行为转变为原则性设计决策。

Comments To appear in Physics Reports 2026

Multifractal human signals at the edge of life reveal a heart-brain anti-correlation

生命边缘的多分形人体信号揭示心脑反相关

Yago Emanoel Ramos, Maria Eloá do Ó, Henrique Ferraz de Arruda, Mauro Copelli, G. Camelo-Neto, Pedro V. Carelli

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

AI总结 通过多分形去趋势波动分析，发现临终患者脑电信号多分形性减弱而心电信号异常增宽，两者呈负相关，表明心脑功能解耦和反相关动力学。

Emergent togetherness in collaborative dance improvisation: neural and motor synchronization reveal a coupling-decoupling paradox

协同舞蹈即兴中的涌现性共处：神经与运动同步揭示耦合-解耦悖论

Yago Emanoel Ramos, Raphael Silva do Rosário, Adriana de Faria Gehres, Maria João Alves, Ana Maria Leitão, Cecília Bastos da Costa Accioly, Fatima Wachowicz, Ivani Lúcia Oliveira de Santana, José Garcia Vivas Miranda

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

AI总结 研究通过舞蹈即兴探索神经-运动耦合系统的涌现协调，发现训练使脑内同步增强但人际运动同步降低，揭示共处源于共享神经意图而非相同动作。

Journal ref Chaos, Solitons & Fractals, 208, 118081 (2026)

Barycentric Projections of Optimal Transport Plans on Riemannian Manifolds

黎曼流形上最优传输计划的重心投影

Kisung You

机构 * Baruch College（巴彻学院） 纠错

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

AI总结 提出黎曼流形上传输耦合的重心投影框架，通过条件Fréchet均值得到最佳确定性映射，并定义条件方差Monge缺陷，实验验证了内在投影与切向投影的不同作用。