脑机接口 / BCI

A Negative-Control Protocol for Clinical EEG Foundation-Model Benchmarks: Dataset Identity and External-Cohort Stress Testing

用于临床解码的脑电图基础模型压力测试：数据集标识和目标阴性对照

Marzieh Zare

机构 * Université Laval（拉瓦尔大学） ； NeuroGenis Inc.（NeuroGenis公司） 纠错

专题命中 BCI数据与评测 ：EEG(title,abstract)；分类 cs.LG

AI总结 研究预训练脑电图基础模型在临床解码中的表现，通过多种方法在多数据集多任务上对六个模型进行基准测试，发现模型结论依赖评估单元、数据集偏移等因素，如在韩国痴呆症等任务中不同模型和方法表现各异。

Clear Mind: Meditation and the Brain's Signal-to-Noise Ratio

清晰心智：冥想与大脑的信噪比

Ruben Laukkonen

专题命中 BCI数据与评测 ：BCI(abstract_cn)；brain-computer interface(abstract)；分类 q-bio.NC

AI总结 提出冥想通过增强目标相关神经信号（信号）并减少无关波动（噪声）来提高大脑功能信噪比（f-SNR），从而解释冥想对多种心理病理的疗效并促进脑机接口发展。

MoDAl: Self-Supervised Neural Modality Discovery via Decorrelation for Speech Neuroprosthesis

MoDAl: 基于去相关的自监督神经模态发现用于语音神经假体

Yuanhao Chen, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 提出MoDAl框架，通过对比学习和对齐损失与去相关损失之间的协同作用，从多脑区发现互补神经模态，在Brain-to-Text Benchmark '24上将词错误率从26.3%降至21.6%。

Comments Accepted at ICMI 2026

Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts

无插补变压器学习实现跨异构临床队列的稳健阿尔茨海默病预测和校准不确定性量化

Christelle Schneuwly Diaz, Narmina Baghirova, Duy-Thanh Vu, Duy-Cat Can, Gilles Allali, Philippe Ryvlin, Oliver Y. Chén

机构 * Platform of Bioinformatics（生物信息平台） ； Lausanne University Hospital（洛桑大学医院） ； Faculty of Biology and Medicine（生物学与医学学院） ； University of Lausanne（洛桑大学） ； Leenaards Memory Centre（Leenaards记忆中心） ； Department of Clinical Neurosciences（临床神经科学系） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 针对阿尔茨海默病临床数据问题，提出无插补变压器NITROGEN，通过特定注意力联合建模。经训练和评估，在跨队列任务中优势明显，还引入调整方法。证明无插补学习在队列转移下的区分能力，强调多方面评估模型对临床部署的重要性。

Predicted Cortex Is Not a Domain-General Prior: A Matched-Control Audit of Brain-Encoding Features for Video Memorability

这取决于数据集：当大脑编码模型的预测响应在视频记忆性方面超过其视觉主干时

Carson Rodrigues

机构 * Celabe（赛拉贝） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 cs.LG

AI总结 研究大脑编码模型预测响应能否用于预测短视频记忆性，通过将视频片段投影到特定皮质空间并用岭回归预测，发现结果取决于数据集，大脑投影在VideoMem数据集表现更佳，且携带特定记忆信号，不是通用先验知识。

Comments 11 pages, 3 figures. v4: retitled; adds a dataset-by-representation interaction test (+0.097, 95% CI [+0.032,+0.160], p=0.001) and seed stability for both datasets, replacing the earlier claim that both within-dataset intervals excluded zero (the Memento10k bound was -0.0003); discloses that the pre-specified hypothesis returned NO-GO; adds a regularization-grid check

Revisiting Shape and Texture Reliance with Category-Separability-Calibrated Suppression

用语义匹配抑制重新思考特征依赖评估

Ning Jiang, Tianyi Luo, Zhengyong Huang, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家卫生数据科学研究院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)

AI总结 该研究重新审视视觉识别模型特征依赖问题，引入语义匹配评估框架，通过比较不同抑制下性能，发现卷积神经网络更依赖纹理，视觉Transformer更具鲁棒性，指出语义可比性对解释特征依赖很关键，其优势或与人类视觉皮层表征有关。