BCI 科研雷达

基于摘要分析。该研究针对 Mamba 图像复原骨干中每个 token 只能依赖扫描序列前序 token 的限制，提出 MambaIRv2，通过注意力状态空间机制引入非因果建模能力，并利用语义引导的邻近机制促进远距离相似像素交互。主要研究对象是图像复原，而非 EEG 或 BCI。 核心机制：作者提出的 attentive state-space equation 允许模型关注扫描序列之外的信息，旨在通过单次扫描完成图像展开与信息交互；semantic-guided neighboring mechanism 则使空间距离较远但语义相似的像素建立联系。摘要将其非因果建模能力类比于 ViTs，但未提供具体方程、邻近关系构造方法、训练损失及计算复杂度，不能据此认定其等同于标准自注意力或已解决全部扫描方向问题。 作者报告：在轻量级超分辨率（lightweight SR）任务中，相较 SRFormer，MambaIRv2 的 PSNR 提高 0.35 dB，参数量减少 9.3%；在经典超分辨率（classic SR）任务中，相较 HAT，PSNR 最多提高 0.29 dB。摘要未给出这些结果对应的数据集、放大倍率、训练与测试划分或具体模型配置，两类任务的收益不能直接合并比较。实验协议、消融及统计信息尚未验证，也无法仅据摘要判断参数减少是否对应运行时间或显存收益。 平台推测（待验证）：若 EEG 离线去噪中存在可利用的跨时间或跨通道相似结构，非因果状态空间交互和相似性引导邻近机制可能具有复用价值。其原始依赖是图像像素及语义相似关系；迁移时需重新设计 EEG token 表示、通道位置编码与相似性定义，而不能直接将像素语义对应为神经活动。低信噪比可能使邻近机制连接伪迹，被试差异、通道布局变化和小数据也可能降低稳定性；非因果信息使用不适合直接视为在线 BCI 能力。 可检验的小实验是假设性地在固定 Cross-subject 划分与相同去噪监督下，对比因果状态空间基线、非因果变体及加入相似性邻近机制的变体，检验去噪误差与下游解码性能是否同时改善，并核对推理成本。该建议并非论文已验证结果；相关 EEG 工作尚未检索确认。

作者：

Hang Guo; Yong Guo; Yaohua Zha; Yulun Zhang; Wenbo Li; Tao Dai; Shu-Tao Xia; Yawei Li

机构：

尚未验证

发表平台：

CVPR 2025

标识：

Ao6McKgD7H

学术质量 78 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-07-31 · 状态未知

基于摘要分析。该研究面向基于人体骨架的动作理解，处理不同来源骨架在关节维度与拓扑结构上的异构性，提出由异构骨架处理和统一表征学习组成的框架。其主要贡献是将不同骨架映射为可由共享骨干处理的表示，而非针对单一同构骨架分别建模。 技术上，异构骨架处理模块先通过辅助网络将二维骨架转换为三维骨架，再利用 skeleton-specific prompts 构造带提示的统一骨架；此外，引入 semantic motion encoding 这一额外模态，以利用骨架中的语义信息。统一表征学习模块使用共享骨干网络处理不同异构骨架并学习动作表示。摘要未说明提示的具体形式、统一拓扑的构造方式、语义编码规则、损失函数及训练监督。 作者报告，在 NTU-60、NTU-120 和 PKU-MMD II 上开展的多种动作理解任务实验支持方法有效性，但摘要未提供任务明细、数据划分、对照基线和指标数值，不能据此比较具体性能。作者提出该方法可用于具有不同类人结构的机器人动作识别；其实际部署验证范围尚未明确。实验协议、消融及统计信息尚未验证，代码与复现条件亦尚未验证。 平台推测（待验证）：其“结构特定提示＋统一表示＋共享骨干”的机制可作为处理 EEG 跨设备通道布局差异的候选思路，但这是迁移假设，并非已证实的 BCI 效果。原方法依赖关节坐标、骨架拓扑及动作语义，迁移时需要用电极位置和信号特征替代骨架表示，重新设计统一映射与提示；二维转三维骨架模块和 semantic motion encoding 不能直接照搬。EEG 低信噪比、通道缺失、跨被试差异及小数据可能使共享表示失效。一个可证伪的小实验是在同一 EEG 数据集上构造不同通道子集，固定被试划分与训练数据量，对比带通道布局提示的共享模型和无提示共享模型，检验未见通道配置上的表现。已有相关 EEG 工作尚未检索确认。

作者：

Hongsong Wang; Xiaoyan Ma; Jidong Kuang; Jie Gui

机构：

尚未验证

发表平台：

CoRR 2025

标识：

Nx66lTHlVK

学术质量 73 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-12-16 · 状态未知

基于摘要分析。本文研究如何从持续到来的图像中进行在线三维感知，提出 CUT3R（Continuous Updating Transformer for 3D Reconstruction），以有状态的循环模型逐次更新场景表示，并为新输入生成具有度量尺度的逐像素三维点图。其主要研究对象是视觉场景的三维重建，而非 EEG 或 BCI。 核心机制是保留并更新跨观测的状态，使不同图像生成的点图处于共同坐标系，进而累积为随输入更新的稠密场景重建。模型还可通过虚拟、未观测视角查询场景表示，推断未见区域。摘要说明其可接收长度可变的视频流或无序照片集合，并处理静态与动态内容；但状态结构、更新规则、训练损失、度量尺度监督来源及推理资源需求尚未验证，不能仅凭来源分类将其认定为特定状态空间模型架构。 作者报告，该方法在多种 3D/4D 任务上取得具有竞争力或最先进的表现；摘要未提供具体数据集、划分、基线或指标数值，因此无法核对各任务的优势及适用边界。实验协议、消融及统计信息尚未验证。材料提供了项目页面，但代码、权重及完整复现条件尚未验证。 平台推测（待验证）：可迁移的候选机制是跨输入维护持久状态，而不是三维点图输出或场景补全任务。假设该机制能帮助 EEG 在线解码整合跨时间窗上下文，则需将图像输入与空间重建输出改为 EEG 时间窗编码与解码任务，并重新设计监督目标及状态重置策略；原方法依赖的多视角几何结构和场景先验不能直接沿用。低信噪比、被试差异、通道变化及小数据训练可能导致状态累积噪声或保留过时信息。一个可证伪的小实验是在固定数据划分与计算预算下，对比连续保留状态和每窗重置状态的 EEG 解码表现，并观察跨会话变化时的稳定性。已有 EEG 相关工作尚未检索确认，这一假设不构成已验证的 BCI 效果。

作者：

Qianqian Wang; Yifei Zhang; Aleksander Holynski; Alexei A. Efros; Angjoo Kanazawa

机构：

尚未验证

发表平台：

CoRR 2025

标识：

5elZWjybsS

学术质量 79 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-09-15 · 状态未知

基于摘要分析。该研究针对 EEG 运动想象分类中的被试间差异，提出无监督多源域适应框架，通过对比学习处理各源域与目标域之间以及源域彼此之间的差异，以学习被试不变表征。 核心思路不是仅对齐单一源域和目标域，而是在多源域适应过程中同时考虑源域—目标域与源域—源域的变异。作者将对比学习作为促进被试无关表征学习的机制；但所给材料未说明对比样本如何构造、正负样本如何定义、是否使用伪标签，以及对比目标与分类目标如何组合，这些具体实现尚未验证。 作者报告在四个运动想象数据集上验证了方法，并报告性能优于对照方法。材料未提供数据集名称、被试数量、目标域数据使用范围、被试或会话划分、对照基线及具体指标，因此尚不能判断优势对应何种评估协议，也不能量化提升幅度。 阅读与复现时应重点核对：多源数据的组织方式、源域间差异的建模贡献、目标域适应阶段可使用的数据，以及对比学习在不同被试上的稳定性。实验协议、消融及统计信息尚未验证；方法对新被试的迁移效果仍需结合全文中的数据划分和目标域使用条件评估。

作者：

Chengjian Xu; Yonghao Song; Qingqing Zheng; Qiong Wang; Pheng-Ann Heng

机构：

尚未验证

发表平台：

Expert Syst. Appl. 2025

标识：

voalYJlRBa

学术质量 63 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-03-04 · 状态未知

基于摘要分析。本文研究多模态大语言模型（MLLMs）因二次计算复杂度、不断增长的 Key-Value 缓存及独立视觉编码器依赖而面临的部署问题，提出 mmMamba，通过渐进蒸馏将已训练的仅解码器 MLLM 转换为线性复杂度的原生多模态状态空间模型。 核心方法包括从已训练 Transformer 构造 Mamba 的初始化策略，以及将 Transformer 知识迁移到 Mamba、同时保留多模态能力的三阶段蒸馏流程。作者称该转换不需要预训练的 RNN-based LLM 或视觉编码器，并可使用适度的学术计算资源完成；具体资源规模尚未验证。框架还支持混合 Transformer 与 Mamba 层，以调整效率和性能的权衡。初始化映射、各阶段训练目标、损失形式及层替换配置均需全文核对。 模型以 Transformer-based、仅解码器的 HoVLE 为蒸馏来源。作者报告，mmMamba-linear 相对已有线性及二次复杂度 VLMs 具有竞争力，mmMamba-hybrid 则进一步改善性能并接近 HoVLE，但摘要未给出任务、数据集和性能指标。在 103K tokens 条件下，相对 HoVLE，作者报告 mmMamba-linear 加速 20.6 倍、GPU 显存减少 75.8%；mmMamba-hybrid 加速 13.5 倍、显存减少 60.2%。硬件、精度、批量大小、计时范围及输入构成尚未验证，不能将这些结果直接推广到其他序列长度或部署条件。摘要提供了代码与模型发布链接，但可复现配置及权重内容尚未核验；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移机制是用已训练教师的知识初始化并蒸馏线性复杂度学生，可能对应长时程 EEG 建模的计算与存储瓶颈，而非已证实的 BCI 解码改进。迁移依赖具备相关能力的教师、合适的 EEG 序列表示及足够的蒸馏数据；可考察初始化和分阶段蒸馏流程，但信号输入适配、通道表示与任务监督需要改造。低信噪比、跨被试差异、通道变化及小数据可能使教师误差传递或局部判别信息丢失。一个可检验的小实验是在固定跨被试划分与相同输入长度下，对比 EEG Transformer 教师、蒸馏 Mamba 与直接训练 Mamba 的同一解码指标、延迟和显存，再检查序列变长后的变化。相关 EEG 工作尚未检索确认。

作者：

Bencheng Liao; Hongyuan Tao; Qian Zhang; Tianheng Cheng; Yingyue Li; Haoran Yin; Wenyu Liu; Xinggang Wang

机构：

尚未验证

发表平台：

CoRR 2025

标识：

5OahRbhJG6

学术质量 77 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2026-07-20 · 状态未知

基于摘要分析。本文研究任意图像风格迁移中全局有效感受野与计算成本之间的矛盾，提出基于 Mamba 的 SaMam 框架，以长程依赖建模支持内容与风格信息提取及风格化生成；主要研究对象是图像，而非 EEG 或 BCI。 机制方面，作者采用 Mamba 编码器提取内容和风格信息，并设计风格感知 Mamba 解码器以适应不同风格。针对现有 SSM 的局部像素遗忘、通道冗余和空间不连续问题，框架引入局部增强与 zigzag scan。摘要以 Mamba 的线性复杂度长程建模为设计动机，但未提供这些模块的具体运算、风格条件注入方式、损失函数或训练流程，相关细节尚未验证。 作者报告，定性与定量结果显示 SaMam 在准确性和效率方面优于当前先进方法；摘要未给出数据集、划分、对照方法、指标定义、数值及计算资源条件，因此无法判断优势幅度或比较协议。实验协议、消融及统计信息尚未验证，复现所需实现与训练配置也尚未确认。 平台推测（待验证）：若将长程建模与局部增强用于 EEG，可能对应长时依赖与短暂局部波形需要同时保留的建模问题，但这只是假设，并不意味着图像风格迁移效果可直接转化为 BCI 性能。Mamba 长程建模模块可作为考察对象；图像二维 zigzag scan 则需依据 EEG 的时间顺序与通道拓扑重新设计，不能直接套用。低信噪比、跨被试差异、通道布局变化及小数据训练可能削弱收益。可在固定 EEG 任务和一致的跨被试划分下，对比基础 Mamba 与加入局部增强的版本，以任务指标和计算成本检验收益；zigzag scan 的迁移宜另行验证。已有 EEG 相关工作尚未检索确认。

作者：

Hongda Liu; Longguang Wang; Ye Zhang; Ziru Yu; Yulan Guo

机构：

尚未验证

发表平台：

CoRR 2025

标识：

anwI4vPSLp

学术质量 68 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-04-17 · 状态未知

基于摘要分析。本文研究视觉感知相关的 EEG 解码与视觉重建，提出 GeoCap 框架，尝试同时建模 EEG 电极的三维几何关系和信号非平稳性。其核心贡献是球面流形编码（spherical manifold encoding，SME）与离散多尺度 Caputo 导数（discrete multiscale Caputo derivative，DMSCD）的结合。 空间建模方面，SME 将 EEG 通道表示在三维球面流形上，以纳入电极之间的空间关系。摘要未说明电极坐标的获取方式、球面映射的具体计算，以及该表示如何与后续解码模块结合；不能将其进一步推断为特定的图网络或注意力结构。 时间建模方面，DMSCD 借鉴累积分数阶导数纳入历史上下文的能力，在多个尺度上捕捉 EEG 的时间动态。作者将这一机制用于处理 EEG 非平稳性，尤其是频谱随时间变化的问题；具体导数阶数、尺度设置、离散化实现和训练方式尚未验证。 作者报告，GeoCap 在 EEG 解码和视觉重建任务上优于其他 state-of-the-art 方法。摘要未提供数据集、被试数、被试内或跨被试划分、对照方法、评价指标及具体数值，因此目前只能保留这一作者结论，不能判断优势幅度或跨协议泛化能力。 复现时值得重点核对 SME 与 DMSCD 的单独及联合贡献、电极几何信息的实际使用方式，以及视觉重建模块与训练目标。实验协议、消融及统计信息尚未验证，代码与复现条件也尚未验证。

作者：

Xin Xiao; Kaiwen Wei; Jiang Zhong; Xuekai Wei; Jielu Yan

机构：

尚未验证

发表平台：

ICASSP 2025

标识：

6XH9MFjWAb

学术质量 71 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-11-12 · 状态未知

基于摘要分析。研究针对 EEG 情绪识别中高质量标注不足、个体差异和信号不稳定的问题，提出多视图自监督域适应模型，将自监督学习与域适应迁移学习结合，以改善有限标注条件下的识别与跨被试适应能力。 核心机制是引入多类别域判别器，在子网络之间构建对抗关系，以减小不同被试的数据分布差异。摘要以原始自监督掩码自编码器模型作为对照，但未明确多视图的构造方式、各子网络的功能、自监督目标、对抗损失形式以及训练与推理流程，相关细节尚未验证。 作者在 SEED 和 SEED-IV 上开展被试依赖与被试独立实验。作者报告，被试依赖实验的 Accuracy 分别为 85.91% 和 87.19%，相较原始自监督掩码自编码器约提高 3%；摘要未明确该提升是相对百分比还是百分点。作者报告，被试独立实验在仅使用 90 个样本的条件下，两个数据集的 Accuracy 分别为 69.72% 和 62.87%。这 90 个样本的标签状态、来源、按被试分配方式及训练或适应用途尚未明确，因此不能据此推定具体少样本协议，也不能将两类实验的成绩直接比较。 作者还报告模型能够从受损 EEG 数据中提取有意义的特征，但摘要未提供损坏类型、强度或量化鲁棒性指标。复现时需核对数据划分、预处理、目标被试数据与标签的使用范围，以及多视图和域判别器各自的贡献。实验协议、消融及统计信息尚未验证；现有摘要支持将其作为 EEG 情绪识别方法进一步考察，但不足以确认其在其他 BCI 任务上的泛化效果。

作者：

Lu Zhang; Hanwen Shi; Ziyi Li; Wei-Long Zheng; Bao-Liang Lu

机构：

尚未验证

发表平台：

IEEE Transactions on Affective Computing

标识：

01Ujmdv3NB

学术质量 66 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。该研究面向放射影像到文本报告的自动生成，旨在降低以 Transformer 为主的现有方法的计算开销。作者提出 R2Gen-Mamba，将 Mamba 的高效序列处理与 Transformer 的上下文建模相结合，以兼顾报告质量及训练、推理效率。 技术上，摘要将效率优势归因于 Mamba 较低的计算复杂度，但未说明两类架构如何组合、影像特征如何接入报告生成过程，以及选择性状态空间机制在模型中的具体位置。网络结构、训练目标、解码策略与复杂度测量方式尚未验证，不能据此判断效率收益来自哪些模块。 作者报告，在两个基准数据集、合计超过 210,000 对放射影像—报告配对数据的实验中，R2Gen-Mamba 相较若干被作者称为当前先进水平的方法，在报告质量与计算效率方面展现有效性。摘要未提供数据集名称、划分方式、指标、具体分数或硬件条件，因此尚不能量化收益，也不能判断文本质量评价是否覆盖临床事实准确性。实验协议、消融及统计信息尚未验证。 摘要称源代码可在线获取，但当前材料未给出代码地址，代码内容与复现条件尚未核验。该论文的主要研究对象是放射学报告生成，而非 EEG 解码或 BCI；现有材料不足以建立具体的 BCI 迁移路径，不将其影像报告生成结果解释为神经信号任务中的有效性证据。

作者：

Yongheng Sun; Yueh Z. Lee; Genevieve A. Woodard; Hongtu Zhu; Chunfeng Lian; Mingxia Liu

机构：

尚未验证

发表平台：

ISBI 2025

标识：

D8aHSxkThf

学术质量 63 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-08-05 · 状态未知

基于摘要分析。该研究面向 RSVP-BCI 的快速图像检索，探索如何从单试次 EEG 中区分非目标与两类目标，将目标检测扩展为三分类任务。作者结合行为分析、ERP 分析和所提出的 MDCNet，考察多类别目标分类的可行性及任务难度的影响。 实验设计：作者设计了两个实验，每个实验包含两项难度不同的任务，共招募 30 名被试采集 EEG，并表示已公开数据。摘要未提供目标类别定义、刺激呈现参数、各实验被试分配及训练与测试划分，因此尚不能确定评估属于被试内、跨被试还是其他协议。 作者报告：包含非目标和两类目标的 RSVP-EEG 三分类具有可行性；同一任务中的不同目标诱发的 P300 潜伏期相同、幅值不同，且目标在 EEG 分类中的命中率与其 P300 幅值正相关；时间维度的信息对分类具有重要作用；任务越难，P300 潜伏期越长。这些结论涉及目标类别与任务难度两个因素，应分别理解，不能将幅值相关性直接解释为因果机制。 方法与证据边界：摘要仅给出 MDCNet 名称及分类用途，未说明网络结构、损失函数、训练流程或如何利用时间信息，相关技术细节尚未验证。摘要也未给出分类指标、具体数值、对照基线或统计检验，因而无法量化三分类的性能优势；研究动机涉及信息传输率，但未提供 ITR 提升的结果。 复现前需核对数据获取方式、预处理与分段规则、类别比例、任务难度操作定义、数据划分及 MDCNet 实现。实验协议、消融及统计信息尚未验证；现有摘要支持将其视为多类别 RSVP 的可行性探索，而非已证实具有跨被试泛化能力的系统。

作者：

Wei Wei; Xujin Li; Shuang Qiu; Huiguang He

机构：

尚未验证

发表平台：

IEEE Trans. Biomed. Eng. 2025

标识：

HKYg58xPVl

学术质量 73 / 100 · 兴趣权重 1 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-03-06 · 状态未知

基于摘要分析。CWIMamba 面向高光谱异常检测（HAD），目标是识别高光谱图像背景中的潜在异常目标，而非 EEG 或 BCI 信号。研究以 Mamba 为基础，将跨尺度窗口扫描、自适应空间–光谱特征融合和 Haar 小波局部表征结合，用于改善背景重建与异常辨别。 核心机制：作者以卷积网络长程依赖建模受限、ViT 计算复杂度呈平方增长为出发点，引入具有非局部表征能力和线性复杂度特征的 Mamba。跨尺度窗口 SSM（CSWSSM）基于不同尺度的窗口瓶颈 SSM（WBSSM），扫描空间–光谱特征；多尺度空间–光谱特征自适应集成方法（M S³ FAI）通过自适应空间–光谱加权促进多尺度交互与融合；Haar 离散小波变换卷积模块（HDWTCM）补充局部信息，并增强异常与背景之间的频率判别特征。摘要未提供扫描顺序、权重计算、损失函数及训练监督方式，不能据此还原完整实现。 结果与证据边界：作者报告在五个 HAD 数据集、七项指标上开展实验，并称取得最先进的检测性能。摘要未列出数据集名称、具体指标与数值、划分协议或对照方法，因此尚不能独立核对该结论，也不能直接比较不同协议下的效果。实验协议、消融及统计信息尚未验证；摘要所述线性复杂度也不等同于完整模型的实测速度或资源优势。 平台推测（待验证）：跨尺度扫描与小波局部表征可能为 EEG 异常片段检测提供方法假设，但原任务依赖高光谱图像的空间–光谱结构，这不等同于 EEG 的通道–时间结构。可考虑复用多尺度融合思路，将窗口和扫描路径改为时间窗口与电极布局，并重新定义异常目标及训练监督。低信噪比可能使伪迹主导异常分数，通道顺序、跨被试差异与小数据也可能削弱表征稳定性。一个可证伪的小实验是在固定跨被试划分及同一异常标注协议下，比较单尺度 SSM、加入多尺度融合、再加入小波模块的结果，核对收益是否来自目标异常而非伪迹识别。已有 EEG 相关工作尚未检索确认。

作者：

Xu He; Wei An; Yingqian Wang; Qiang Ling; Miao Li; Zaiping Lin; Shilin Zhou

机构：

尚未验证

发表平台：

IEEE Transactions on Geoscience and Remote Sensing

标识：

1uwLbdqEPh

学术质量 70 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。研究面向高光谱图像（HSI）分类，针对现有 Mamba 方法对不同地物类型的方向建模异质性考虑不足的问题，提出光谱–空间混合专家框架 MambaMoE，通过自适应专家激活和不确定性引导学习改善复杂区域的特征建模。 核心机制包括 Mixture of Mamba Expert Block（MoMEB）与 uncertainty-guided corrective learning（UGCL）。MoMEB 采用稀疏专家激活，实现自适应光谱–空间特征建模；UGCL 从预测不确定性较高的区域动态采样监督信号，引导模型细化易产生预测歧义区域的表示。摘要未说明专家数量、路由规则、不确定性计算方式、监督信号来源及具体损失形式，这些实现条件尚未验证。作者声称这是 HSI 分类领域首个基于 MoE 的方法，该优先性尚未独立核实。 作者报告，在多个公开 HSI 基准数据集上，MambaMoE 相较现有先进方法，尤其是 Mamba 方法，在分类准确率与计算效率方面取得领先表现。摘要未提供数据集名称、训练与测试划分、指标数值、效率测量条件或具体基线，因此尚不能判断优势幅度及适用范围；实验协议、消融及统计信息尚未验证。代码在摘要中被表述为将公开，当前可用性尚未验证。 平台推测（待验证）：可迁移的机制假设是，以稀疏专家处理异质结构，并利用不确定性分配监督学习重点；其原始依赖是具有光谱与空间结构的图像及区域监督。对应 EEG 时，可探索通道–时间模式及跨被试差异，但不能将光谱维直接等同于 EEG 频段，需改造输入表示、专家路由与不确定性采样单位。低信噪比可能使采样偏向伪迹，小数据可能导致专家训练不足，通道差异也可能破坏路由稳定性。一个可证伪的小实验是在固定跨被试划分、仅使用训练集标签的前提下，以单一 Mamba 为对照，分别加入稀疏专家和 UGCL，比较同一指标、计算成本与伪迹敏感性。相关 EEG 工作尚未检索确认。

作者：

Yichu Xu; Di Wang; Hongzan Jiao; Lefei Zhang; Liangpei Zhang

机构：

尚未验证

发表平台：

CoRR 2025

标识：

IrY9hN5Yje

学术质量 70 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-01-21 · 状态未知

基于摘要分析。该研究针对全色锐化（Pansharpening），将全色（PAN）图像与低分辨率多光谱（LR-MS）图像融合，重建高分辨率多光谱（HR-MS）图像。作者提出 SSFMamba，通过空间建模、光谱建模与自适应融合，显式刻画两类输入的空间–光谱特性。 核心机制包括三个模块：多尺度空间视觉状态空间（MSpa-VSS）模块在视觉状态空间（VSS）中引入多尺度卷积，同时建模空间依赖与多尺度空间特性；双向光谱视觉状态空间（BSpe-VSS）模块沿光谱通道进行双向扫描，学习连续光谱特性；门控空间–光谱融合（GSSF）模块则自适应融合两类特征。相较于摘要所述的现有 VMamba 方法，其设计重点是分别显式提取空间与光谱属性，再进行融合，而不只是采用视觉状态空间骨干。 作者报告在多个数据集上的实验显示 SSFMamba 具有性能优势，但摘要未提供数据集名称、划分协议、对照基线、指标或具体数值，因此无法核对优势幅度及适用条件。损失函数、训练设置、实验协议、消融及统计信息尚未验证；复现还需核对完整实现与数据预处理流程。 平台推测（待验证）：该方法依赖图像空间结构及光谱通道的连续性。对于 EEG，可提出将空间建模与频率建模分开、再门控融合的假设，以探索电极空间关系与频率信息的联合利用；可考虑复用分轴建模和门控融合思路，但需改造扫描顺序、输入表示与空间邻接关系。EEG 电极不等同于连续光谱通道，低信噪比、跨被试差异、通道布局变化和小数据训练均可能使迁移失效。一个可检验的小实验是在相同 EEG 数据划分、预处理和训练预算下，对比双向频率扫描加门控融合与不含该扫描的对照，分别报告被试内和跨被试结果。以上不是本文已验证的 EEG 效果，已有 EEG 相关工作尚未检索确认。

作者：

Mengting Ma; Mengjiao Zhao; Yizhen Jiang; Xiangdong Li; Wei Zhang

机构：

尚未验证

发表平台：

ICASSP 2025

标识：

R8rvNwnNn5

学术质量 63 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2026-05-26 · 状态未知

基于摘要分析。本文研究 Aspect-based Sentiment Analysis（ABSA）中方面词与意见词之间的长程依赖建模，提出 MambaForGCN，将句法图建模、Mamba-Transformer 序列编码与 Kolmogorov-Arnold Networks（KANs）门控融合结合起来。作者报告，该方法在三个基准数据集上优于其比较的 SOTA 基线，但摘要未给出数据集名称、指标、分数及划分协议。 核心机制包括两个编码模块：syntax-based Graph Convolutional Network（SynGCN）利用依存关系编码句法结构；MambaFormer 则结合 Multihead Attention（MHA）与 Selective State Space model（Mamba），用于建模方面词和意见词之间的短程与长程依赖。KANs 门控融合整合两类表征，旨在捕捉非线性、复杂依赖。原问题依赖文本、方面级情感监督及句法依存结构，并非神经信号解码任务。 摘要将注意力的二次复杂度及无关上下文干扰列为动机，但 MambaFormer 仍含 MHA，因此不能据此认定整体模型具有线性复杂度。损失函数、训练规模、计算开销、融合细节，以及各模块独立贡献尚未验证；实验协议、消融及统计信息亦尚未验证。 平台推测（待验证）：可迁移的假设是，以图编码约束 EEG 通道关系，再结合局部与长程时间表征，可能有助于处理空间结构与时间依赖；但 EEG 不具备文本句法依存树，需要重新定义图结构、输入表征及任务监督，不能直接复用句法处理流程。低信噪比、跨被试差异、通道变化和小数据可能削弱图结构可靠性，并使复杂融合模块过拟合。一个可检验的小实验是在固定跨被试划分的 EEG 分类任务上，控制训练预算，比较 Mamba 单模块、加入通道图编码，以及加入 KANs 门控融合的版本，核对增益与开销。该实验仅用于检验迁移假设，已有 EEG 相关工作尚未检索确认。

作者：

Adamu Lawan; Juhua Pu; Yunusa Haruna; Aliyu Umar; Muhammad Lawan

机构：

尚未验证

发表平台：

COLING 2025

标识：

YUFGywCKyd

学术质量 61 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-05-20 · 状态未知

基于摘要分析，当前材料仅提供 Highlights，未取得论文全文。该研究关注如何利用 EEG 区分内部与外部注意状态，并据此调整虚拟现实（VR）环境，以平衡任务表现与参与度；主要贡献是将注意状态识别与自适应 VR 系统结合。 机制方面，标题表明系统利用 EEG 频率信息，Highlights 明确提到使用 LDA 模型分类注意状态，并通过细微、自然的环境因素调整实现适应。具体频段、特征提取方式、注意状态定义与标签获取方法，以及分类输出到环境调整的映射规则尚未验证；现有材料也不足以确定系统的更新时机与在线运行条件。 结果方面，作者报告 LDA 注意状态分类的 Accuracy 为 79.4%，但材料未说明被试数量、类别构成、数据划分，以及属于被试内还是跨被试评估，因此该数值不能直接用于判断跨用户泛化或实际在线效果。作者还报告细微、自然的环境适应改善了任务表现，但未提供任务类型、对照条件、指标或提升幅度；参与度是否得到改善也尚未验证。 阅读与复现时，应重点核对 EEG 采集与预处理、注意状态标注、分类评估和在线适应之间的关系，以及固定环境与自适应环境的对照设计。实验协议、消融及统计信息尚未验证，代码与数据可用性亦未在当前材料中说明。

作者：

Francesco Chiossi; Changkun Ou; Carolina Gerhardt; Felix Putze; Sven Mayer

机构：

尚未验证

发表平台：

Int. J. Hum. Comput. Stud. 2025

标识：

TJpkAc40MI

学术质量 54 / 100 · 兴趣权重 1 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-07-15 · 状态未知

基于摘要分析（当前仅有研究亮点，未取得论文全文）。该研究关注静息态 EEG 预处理不足或过度如何影响后处理结果，提出质量指标 PaLOSi，用于客观评估大规模 EEG 预处理质量。 机制方面，材料提到在准平稳假设下合成预处理不足与过度的状态，并考察后处理在频谱和空间方面的偏差。作者报告，这些偏差与 PaLOSi 存在较强关联；但所给材料未说明 PaLOSi 的全称、计算公式、合成流程及后处理任务，尚不能判断该指标具体捕捉哪些信号变化，也不能将关联解释为因果关系。 验证方面，作者报告在大型真实 EEG 数据集上验证了 PaLOSi，并建议将 [0.3, 0.6] 作为有效范围。材料未提供数据集名称、被试规模、预处理流程、对照指标、关联强度或范围确定依据，因此该区间只能作为作者在其验证条件下提出的建议，不能直接视为适用于所有静息态 EEG 或 BCI 任务的通用阈值。 阅读与复现时需核对指标对伪迹残留和有效神经信号损失的区分能力，以及其对采集条件、通道配置和预处理流程的敏感性。实验协议、消融及统计信息尚未验证；现有材料也不足以确认 PaLOSi 与下游 BCI 解码性能的关系。

作者：

Shiang Hu; Jie Ruan; Pedro Antonio Valdés-Sosa; Zhao Lv

机构：

尚未验证

发表平台：

NeuroImage 2025

标识：

kY8mHAr1IH

学术质量 72 / 100 · 兴趣权重 2 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-04-02 · 状态未知

基于摘要分析。该研究面向严重瘫痪患者的交流需求，考察在动作起始时刻未知或完全不发生实际运动的条件下，能否从 EEG 解码想象手写，并分析样本复杂度对解码表现的影响。作者报告，完全想象的手写可获得高于机会水平的解码表现，但摘要未提供具体指标、数值或评估协议。 研究的关键是区分实际书写期间的 EEG 解码与完全依赖运动想象的手写解码。作者指出，既有工作主要研究实际运动，并假定精确动作起始时刻已知；作者报告，若干既有研究受到混杂因素影响，因而不能直接适用于想象手写场景，且动作起始时刻信息对其报告的表现至关重要。摘要未说明混杂因素的具体来源、检验方式及受影响的研究范围，这些判断尚需结合全文核对。 在数据需求方面，作者报告，单试次 EEG 的样本复杂度分析显示存在噪声上限，而跨试次平均能够缓解这一限制。这为后续数据采集提供了研究方向，但跨试次平均的具体方式、重复次数，以及其对在线交互速度和单次输入可用性的影响尚未验证，不能据此认定单试次实用解码已实现。 摘要未提供被试人数、字符集合、采集与预处理流程、解码模型、被试内或跨被试划分、机会水平的计算方式及统计检验。复现时应重点核对实际运动与想象条件如何区分、动作起始信息如何控制、试次平均如何与数据划分配合，以及高于机会水平的结果对应何种任务和指标。实验协议、消融及统计信息尚未验证；目前证据支持进一步研究想象手写 EEG 解码，而非确认其已具备临床交流可用性。

作者：

Srinivas Ravishankar; Nora Zajzon; Virginia de Sa

机构：

尚未验证

发表平台：

CoRR 2025

标识：

2Fdwp4B6G4

学术质量 74 / 100 · 兴趣权重 1 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-07-14 · 状态未知

基于摘要分析。本文研究轻微模型失配条件下的无监督表示学习，核心贡献是在接近局部等距的混合函数条件下，建立非线性表示与独立成分的近似可辨识性，而非提出已经验证的 EEG 或 BCI 解码方法。 理论机制分为两步：首先，假设混合映射在某种适当距离下接近局部等距，作者利用已有刚性结果，说明该映射可在相差线性变换及小误差的意义下被辨识。其次，研究观测模型 x=f(s)=As+h(s)，其中 A 为可逆混合矩阵，h 为小扰动；作者报告可近似恢复 A 和独立成分。两部分共同支持近等距混合函数下非线性 ICA 的近似可辨识性。摘要未给出距离的具体定义、扰动界、误差界及恢复算法，不能据此推定其有限样本性能或计算效率。 平台推测（待验证）：若 EEG 的混合过程可近似描述为线性混合加小非线性扰动，该理论可能帮助分析 ICA 源分离对模型失配的敏感性。可复用的是近似可辨识性分析框架；需改造的是 EEG 混合模型、噪声处理及恢复过程，并核对独立成分与近等距假设是否成立。低信噪比、源间依赖、跨被试混合差异、有限通道和小数据均可能使理论条件失效或妨碍估计。一个可检验的小实验是固定独立源与可逆混合矩阵，逐步增加非线性扰动和噪声，在允许的成分排列与尺度对齐后观察恢复误差是否随扰动增大而变化；这只能检验受控模型下的行为，不能证明真实 EEG 或 BCI 有效性。已有 EEG 相关工作尚未检索确认，全文中的实验协议、消融及统计信息尚未验证。

作者：

Simon Buchholz; Bernhard Schölkopf

机构：

尚未验证

发表平台：

CoRR 2025

标识：

OsyGtXMqpH

学术质量 78 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-05-16 · 状态未知

基于摘要分析。本文研究 EEG 情绪识别中的两个问题：现有方法对功能连接模式的利用可能未充分区分具体情绪，且 EEG 非平稳性可能使模型学习时段特征而非情绪特征。作者提出功能连接模式学习网络 FCPL，旨在捕捉个体特征与情绪特异的连接结构，同时减少时段相关变化。 机制方面，FCPL 包含 coefficient branch、图构建模块和 period domain adversarial module，摘要将其作用分别描述为捕捉个体特征、学习具体情绪的连接模式和抑制时段变化。其研究重点是从粗粒度的情绪相关连接转向细粒度的情绪区分。连接如何估计、图如何构建、系数如何参与计算，以及时段域的定义、对抗损失和训练流程，均需全文核对，不能仅凭模块名称确定实现。 结果方面，作者报告：MPED 七分类任务在被试内／跨被试实验中分别为 42.04%／28.81%；SEED 在被试内／跨被试实验中分别为 97.45%／89.88%；DREAMER 的 valence／arousal 任务在被试内实验中分别为 95.98%／96.19%，在跨被试实验中分别为 67.90%／65.60%。摘要未明确这些百分比对应的指标名称，因此不能直接标记为 Accuracy。作者称结果达到 state-of-the-art，但具体对照方法、数据划分、预处理及统计不确定性尚未验证，不宜跨数据集或跨协议直接比较。 复现时应重点核对情绪特异图与个体特征的学习方式、时段域划分及其与训练／测试划分的关系，并检查各模块消融是否支持相应机制解释。实验协议、消融及统计信息尚未验证；代码、训练配置和复现资源的可得性也尚未确认。摘要支持其作为 EEG 情绪识别方法的阅读价值，但尚不足以确认其对其他 BCI 任务或在线使用场景的有效性。

作者：

Chongxing Shi; C. L. Philip Chen; Shuzhen Li; Tong Zhang

机构：

尚未验证

发表平台：

IEEE Trans. Cogn. Dev. Syst. 2025

标识：

lYKdtm1LIE

学术质量 73 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-01-13 · 状态未知

基于摘要分析。该研究针对 EEG 情绪识别中单一视角难以充分利用时域、频域和空间信息的问题，提出基于空间关系的多视图图 Transformer（MVGT），通过整合多域信息及通道间关系增强信号表征。 机制方面，摘要明确列出三类信息来源：连续序列中的时间动态、从频带提取的频率特征，以及通过多种空间编码表达的通道间关系。其方法关注点是联合建模这些互补信息，而非仅从单一域分析 EEG。摘要未说明具体空间编码、图构建方式、各视图的融合机制、训练目标及推理流程，这些实现细节尚未验证。 结果方面，作者报告 MVGT 在公开数据集上的性能超过当前先进方法，并据此认为该模型具有提取多域信息和建模通道间关系的潜力。但材料未提供数据集名称、被试数量、情绪标签设置、被试内或跨被试等评估协议、数据划分、指标及具体数值，因此尚不能判断优势的幅度或泛化范围，也不能将其解释为已经验证的跨被试或跨会话效果。 进一步阅读与复现应核对时域、频域及空间编码各自的贡献，多视图联合建模相对单视图方法的对照，以及不同方法是否使用一致的数据划分和预处理。实验协议、消融及统计信息尚未验证；代码可用性、运行环境和复现条件也需从完整材料确认。当前证据仅支持将其视为 EEG 情绪识别方法研究，不宜外推为其他 BCI 任务中的已验证收益。

作者：

Yanjie Cui; Xiao-Hong Liu; Jing Liang; Ya-Min Fu

机构：

尚未验证

发表平台：

ICONIP (2) 2025

标识：

Ld66rPlGrD

学术质量 64 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-12-03 · 状态未知

基于摘要分析。该研究面向医学图像异常检测，提出 SpectMamba，将频域特征建模与 Mamba 状态空间建模结合，旨在兼顾高分辨率图像检测的准确性与计算效率；研究对象是医学图像，而非 EEG 或 BCI 信号。 作者以 CNN 感受野受限、Transformer 处理高分辨率图像的计算成本较高为动机，利用 Mamba 长序列处理的线性复杂度特性构建检测架构。其 Hybrid Spatial-Frequency Attention（HSFA）模块分别学习高频与低频特征，并关联频域与空间特征；作者认为这能够缓解频率偏置导致的高频信息损失并增强全局上下文捕获。另一个组件 Visual State-Space Module（VSSM）用于加强长程依赖，Hilbert Curve Scanning 则用于强化空间相关性与局部依赖。摘要未提供这些模块的具体实现、损失函数、训练设置或计算复杂度测量。 作者报告，SpectMamba 在多种医学图像检测任务上达到 state-of-the-art 表现，并兼具有效性与效率；但摘要未列出数据集、划分、基线、检测指标、数值或运行条件，因此无法核对其优势幅度与适用范围。作者还声称这是首个用于医学图像检测的 Mamba 架构，该优先性声明尚未独立验证。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若将 EEG 转换为时频图，HSFA 的高低频分开建模可能用于检验不同频段信息的保留，状态空间模块可能用于长程依赖建模；这仅是机制假设，不代表已有 EEG 效果。可复用候选是频域与空间特征关联思路，需改造的是输入表示、频段定义和扫描顺序，因为时频轴及通道拓扑并不等同于医学图像的二维空间邻接。低信噪比下的高频噪声、跨被试频谱差异及小数据条件均可能使该迁移失败。可在固定 Cross-subject 划分的 EEG 时频图分类任务中，比较同一状态空间基线是否加入 HSFA，并单独控制扫描顺序，检验性能变化是否来自频率模块而非参数量差异。已有 EEG 相关工作尚未检索确认。

作者：

Yao Wang; Dong Yang; Zhi Qiao; Wenjian Huang; Liuzhi Yang; Zhen Qian

机构：

尚未验证

发表平台：

IPMI (1) 2025

标识：

lMG5po0oG7

学术质量 67 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-09-24 · 状态未知

基于摘要分析。该研究针对 EEG 情绪识别中的被试内与被试间信号变异，提出 Adaptive Domain Alignment Neural Networks（ADANN），以类别原型建模源域和目标域的条件分布，并通过对比学习完成域对齐，同时以原型相似度直接分类，替代 MLP 分类器。 核心机制：ADANN 为源域和目标域分别设置一组按类别组织的原型，作者将这些原型描述为各类别的密度峰值，并以归一化后的对应相似度表示条件概率。预测标签由相似度的最大值位置确定，因此不需要 MLP 分类器。方法利用 context-instance contrastive learning 对齐两组原型，同时学习对应的条件分布；摘要未提供原型估计与更新方式、相似度定义或具体损失形式。 创新与对照：作者认为，既有迁移学习方法常对齐边缘分布，可能造成类别层面的对齐歧义；参数冗余的 MLP 分类器则可能对有标签数据过拟合，影响表示空间学习。ADANN 的设计分别以类别条件对齐和原型分类回应这些问题，但这两项机制的独立贡献仍需结合正文及消融结果核对。 结果与证据边界：作者报告，在与实际应用场景密切相关的跨域实验协议下，ADANN 相比近期先进方法取得更好或相近的性能。摘要没有提供数据集、被试数量、具体域划分、指标、数值及基线名称，因此尚不能确定其跨域实验对应 Cross-subject、Cross-session 或其他设置，也不能量化改进幅度。 复现时需核对目标域标签是否可用、目标域原型如何初始化与更新，以及类别不平衡或早期预测错误是否影响对齐。这些属于待核对事项，而非已确认缺陷。实验协议、消融及统计信息尚未验证，代码与完整复现条件也尚未验证。

作者：

Xuezhu Hong; Changde Du; Huiguang He

机构：

尚未验证

发表平台：

IEEE Trans. Affect. Comput. 2025

标识：

oydaAN4rFd

学术质量 70 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-11-04 · 状态未知

基于摘要分析。本文研究 Mamba 中选择性状态空间层的表达能力，以多元多项式为分析工具，比较其与 linear transformers 的表示能力，旨在解释此类高效序列模型的理论优势；主要研究对象是通用序列建模机制，而非 EEG 或 BCI。 作者报告，其理论证明选择性状态空间层的表达能力超过 linear transformers，并据此认为 Mamba 在长序列上相较基于线性注意力的模型具有更强表示能力，同时不牺牲泛化能力。摘要未给出表达能力的具体定义、多项式构造、比较模型的约束或泛化结论的成立条件，因此不能将该结论扩大为对所有 Transformer 的优势，也不能把表示能力优势直接等同于下游任务性能提升。 作者报告在多个数据集上开展了实验以验证理论洞见，但摘要未提供数据集名称、任务、对照配置、指标或数值。实验协议、消融及统计信息尚未验证；复现需先核对理论假设与实验实现是否对应，以及模型容量、序列长度和训练条件是否可比。 平台推测（待验证）：若多元多项式分析能够刻画选择性状态空间层对输入依赖关系的表示能力，可为 EEG 长时序模型的架构选择提供理论视角，而非已证实的 BCI 性能结论。可复用的是状态空间序列建模模块；EEG 的通道编码、时间采样与任务监督需另行适配。低信噪比、跨被试分布差异和小样本可能使更强表达能力无法转化为更好泛化。一个可检验的小实验是在固定 EEG 任务与被试内划分下，以匹配训练预算的选择性状态空间模型和 linear transformer 比较不同输入序列长度的效果，并控制输入预处理和模型容量。已有 EEG 相关工作尚未检索确认。

作者：

Edo Cohen-Karlik; Itamar Zimerman; Liane Galanti; Ido Atad; Amir Globerson; Lior Wolf

机构：

尚未验证

发表平台：

CoRR 2025

标识：

t6ccHXACbH

学术质量 76 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-03-20 · 状态未知

该研究针对多人交谈与噪声环境中的听觉注意检测（AAD），提出 ST-LSTM，以 spiking LSTM 和脉冲式时间注意力建模 EEG 的时间动态，识别听者关注的声音来源。基于摘要分析，未取得论文全文。 核心机制是利用 spiking LSTM 捕捉 EEG 的动态、非线性时间特征，并通过脉冲式时间注意力动态赋予不同时间信息差异化权重，以增强 EEG 特征表示。摘要未提供脉冲编码方式、神经元动力学、注意力权重计算、损失函数或训练与推理细节，因此尚不能确定性能提升分别来自哪些模块。 作者报告，在一个广泛使用的 AAD 数据集上开展多组实验，ST-LSTM 优于其他竞争模型，尤其在低延迟设置下表现更好。摘要未给出数据集名称、被试数量、决策窗口长度、被试内或跨被试划分、对照模型及具体指标，因而无法量化优势，也不能直接与其他协议下的结果比较。实验协议、消融及统计信息尚未验证。 作者还报告该模型具有低功耗特点，并提出其可用于神经引导助听器及便携式 BCI 的边缘计算部署。需进一步核对能耗是实测还是估算、运行硬件及计算精度，以及低延迟决策条件下的性能—能耗权衡；摘要中的应用前景不等于已完成设备部署或临床验证。复现还需确认数据预处理、输入形式、脉冲实现与代码可用性。

作者：

Siqi Cai; Ran Zhang; Hongxu Zhu; Haizhou Li

机构：

尚未验证

发表平台：

IEEE Transactions on Consumer Electronics

标识：

tADhQ08Iso

学术质量 69 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。本文研究实时实例分割中的计算效率与特征表达问题，提出基于状态空间模型（SSM）的轻量网络 MambaInst，结合长距离空间依赖建模与局部上下文提取；研究对象是视觉实例分割，而非 EEG 或 BCI。 核心机制包括 LightSSM Block 与下采样方法 FRDown。摘要说明，LightSSM Block 通过门控机制和残差连接提取深层语义特征，以线性计算复杂度建模长距离空间依赖；FRDown 用于高效捕获上下文信息并改善局部信息感知。具体状态更新形式、扫描方式、下采样操作、损失函数及训练配置尚未验证，不能仅凭摘要判断各模块的独立贡献。 作者报告，MambaInst-B 在 COCO-seg 上取得 40.8% Mask mAP，并在单张 4090 GPU 上测得 2.28 ms 推理耗时。摘要未明确数据划分、输入分辨率、批量大小、精度模式，以及计时是否包含预处理和后处理；这些条件及对照基线、消融和统计信息尚未验证，因此不能直接据此比较不同实时实例分割方法。作者将该工作称为 SSM 在实时实例分割中有效性的首次证明，并声称为该应用中的 Mamba 方法建立新性能基准，这些优先性与领先性主张仍需文献和完整实验核对。 平台推测（待验证）：LightSSM Block 的线性复杂度依赖建模可能为长 EEG 序列编码提供候选机制，但原方法依赖图像空间结构及实例分割监督，不能直接沿用其训练目标和 FRDown。若迁移，需要重新定义时间—通道布局及下采样策略；低信噪比、跨被试差异、通道配置变化和小数据条件可能使门控或压缩过程削弱有效信号。可检验的小实验是在固定 EEG 分类数据划分和训练预算下，比较采用候选 LightSSM 模块与不采用该模块的编码器，同时记录分类指标、延迟及显存；这只是迁移假设，尚未检索确认已有 EEG 相关工作。

作者：

Zeyu Wang; Chen Li; Huiying Xu; Xinzhong Zhu; Xiao Huang; Hongbo Li

机构：

尚未验证

发表平台：

ICASSP 2025

标识：

Ccl9jRj5RS

学术质量 68 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-01-14 · 状态未知