跳到正文

算法、任务与模态

EEG 最新动态

EEG 研究索引；按可核对的标签归档，不以热度评价质量。

1,898 条精选近 30 天 239 条共收录 3,980 条

更新

精选归档 · 第 90 页

1月1日周四第 1781–1800 条
  1. OpenReview · EEG72

    语言模型辅助脑机接口中面向带噪响应人类判定者的高效查询主动学习

    基于摘要分析。本文研究语言模型辅助 EEG BCI 中如何选择刺激查询序列，以缓解逐字母输入时反复呈现刺激造成的速度与准确性权衡；核心贡献是用于主动序列选择的数学框架，旨在提高从用户响应中获得证据的效率。 研究对象为 RSVP Keyboard™，一种非侵入式 EEG BCI。系统通过快速序列视觉呈现（RSVP）在屏幕上依次展示符号，并结合 EEG 证据与语言模型联合推断用户意图中的目标符号。为达到较高的符号选择置信度，通常需要重复呈现序列，这会以降低输入速度为代价补偿准确性。本文的优化对象是向用户呈现的查询序列，而非摘要明确提出的新 EEG 解码网络。 作者报告，Monte-Carlo 模拟分析表明，优化向 BCI 用户提出的查询序列可以同时改善输入速度与准确性。摘要未提供具体增益、指标定义、模拟噪声假设、语言模型配置或对照策略，因此无法量化收益，也不能将模拟结果视为真实被试或在线输入性能的验证。 进一步阅读与复现应核对主动选择的目标函数、EEG 响应噪声的建模方式、语言先验与观测证据的融合方法，以及序列选择与停止决策如何配合。实验协议、消融及统计信息尚未验证；需特别区分查询优化本身的收益与语言模型、重复次数或停止阈值变化带来的影响。

    阅读价值：值得阅读其以主动序列选择改善 EEG 输入效率的数学框架，但摘要中的速度与准确性收益来自 Monte-Carlo 模拟，真实用户效果尚未验证。

  2. OpenReview · EEG71

    用于饮水的自主机器人助手

    基于摘要分析。该研究面向瘫痪患者难以自主饮水的问题，提出用于液体摄入的自主机器人助手，并在使用 EEG 频率特异性调制信号的共享控制场景中测试系统。主要贡献是将杯子与用户嘴部的在线检测、遮挡条件下的嘴部位置估计和饮水动作规划整合为辅助饮水系统，而非提出新的 EEG 解码算法。 系统自主检测待抓取的杯子与用户嘴部，并为机械臂规划满足任务约束的运动：将杯子移向嘴部时保持杯子直立；饮水阶段倾斜杯子时，保持杯子与用户嘴部直接接触。针对杯子或机械臂造成的部分遮挡，系统包含在线估计嘴部位置的技术，以支持饮水过程中的动作规划。摘要未说明具体感知算法、位置估计方法或运动规划实现。 作者报告，在真实环境及基于用户 EEG 频率特异性调制的共享控制设置下，该 BMI 控制机器人能够实现可靠的液体摄入。摘要未提供被试人数、用户健康状况、任务成功率、耗时、对照条件或统计信息，因此无法量化可靠性，也不能据此确认其在瘫痪患者中的临床有效性。EEG 采集配置、具体范式、解码方法、用户指令与自主动作的分工，以及实验协议、消融及统计信息尚未验证。 该工作的阅读重点是神经信号控制与机器人自主执行之间的系统集成，以及贴近人体执行饮水动作时的感知与运动约束。复现需进一步核对机器人与传感器配置、遮挡处理、共享控制流程及安全停止机制。作者认为方案可扩展到进食和物体操作，但摘要未提供这些任务的验证结果。

    阅读价值：值得阅读其将 EEG 共享控制与杯子、嘴部在线感知及受约束机械臂运动结合的系统方案，但饮水可靠性与用户控制负担仍需结合全文实验协议核对。

  3. OpenReview · EEG72

    运动规划期间的 EEG 活动编码即将出现的峰值速度与加速度，并提高预测手部运动学的准确性

    基于摘要分析。该研究面向神经假体中的手部运动学预测，考察低信噪比 EEG 中的运动规划期信息能否支持逐试次峰值速度与峰值加速度解码，并通过联合规划期和执行期的 alpha、beta 频带功率改善预测。 研究背景与机制：摘要指出，既有相关研究多关注运动执行或运动想象期间的脑活动，而此前总体平均分析已显示运动规划期 EEG 与后续峰值速度、峰值加速度存在统计相关。本文进一步考察这种相关性是否能在逐试次解码中被利用，而不只是呈现在平均信号中。研究使用运动规划期与执行期的 alpha、beta 功率，预测峰值切向速度和加速度；具体频段边界、时间窗、功率估计方式及解码器尚未验证。 结果与对照：作者报告，单独利用运动规划期 EEG 也能以作者所称的“合理准确性”预测峰值速度与峰值加速度；将规划期频带功率与执行期频带功率结合，可进一步改善两类目标的解码准确性。摘要未提供具体指标、数值或统计检验，不能将此处的准确性直接解释为分类 Accuracy，也无法量化联合特征的增益。 局限与复现条件：被试人数、任务设计、采集通道、预处理、训练与测试划分，以及被试内、跨被试或跨会话评估协议均尚未验证。阅读全文时需核对规划期与执行期的界定、特征融合方式、比较条件及实验协议、消融和统计信息。由于联合方案使用执行期信号，其改善不能直接视为运动开始前的提前预测能力，也不能据此认定已验证在线 BCI 控制效果。

    阅读价值：值得阅读的具体原因是研究将运动规划期 EEG 的关联分析推进到逐试次运动学解码，并检验规划期与执行期频带功率的联合使用价值；具体增益与评估可靠性尚需全文核对。

12月31日周三
  1. OpenReview · EEG74

    使用 EEG 设备对不完全时间锁定的图像 RSVP 事件进行分类

    基于摘要分析。该研究针对图像快速序列视觉呈现（RSVP）中的 EEG 分类问题，将跨试次变化的神经响应潜伏期纳入统计模型，并结合似然比检验（LRT）进行分类；作者还提出，该模型可在刺激起始时间不精确时估计真实起始时间。 核心机制是放松神经响应与刺激完全时间锁定的假设。摘要指出，疲劳、环境干扰等因素可能使响应相对刺激起始时刻的潜伏期发生变化，而既有工作常为降低计算复杂度采用时间锁定假设。本文对潜伏期变化中的不确定性进行统计建模，再以 LRT 作出分类决策。潜伏期分布、信号模型、参数估计方式，以及起始时间估计与潜伏期建模如何区分，尚未验证。 作者报告，在一个图像 RSVP 实验的 EEG 数据集上，允许潜伏期变化的方法相较依赖完全时间锁定的方法，AUC 为 0.88 对 0.86；在刺激起始时间不精确的评估情境下，AUC 为 0.84 对 0.71。作者还报告，预测的刺激起始时间显著聚集于真实起始时间附近，p 值为 5.2 × 10^-44。该显著性结果不等同于时间估计误差大小，仍需核对误差分布及检验方法。 这些结果支持进一步核查潜伏期不确定性建模对 RSVP EEG 分类的作用，但摘要未明确被试数、通道配置、分类标签、被试内或跨被试划分、刺激时间不精确的构造方式，以及对照方法的具体实现。实验协议、消融及统计信息尚未验证；复现需取得上述细节，不能据现有 AUC 推断跨被试、跨会话表现或实际在线 BCI 效果。

    阅读价值：值得阅读其将神经响应潜伏期不确定性纳入统计模型并以 LRT 分类的机制，尤其是刺激起始时间不精确时的对照结果；具体建模与评估协议仍需全文核对。

  2. OpenReview · EEG70

    用于排列熵计算的可重配置并行加速平台

    基于摘要分析。该研究针对 EEG 时间序列排列熵计算耗时、可能制约实时分析的问题，提出采用可重配置并行 FPGA 平台加速计算；主要贡献是硬件计算平台，而非新的 EEG 解码算法或疾病预测模型。 排列熵用于刻画时间序列复杂性。摘要以大量 EEG 时间序列需要同时分析为应用背景，但具体描述的平台由 128 条可重配置流水线组成，用于计算单条 EEG 时间序列的排列熵。其加速路径是将相关数学运算映射到并行硬件；流水线如何分工、排列模式如何编码与统计，以及窗口间是否复用计算，尚未验证。 作者报告：在 FPGA 工作频率为 150 MHz、嵌入维度为 5 的条件下，相对于运行在 3 GHz Intel(R) Core(TM) i5-2320 CPU 上的 C 代码，不同窗口大小下的平均加速比为 5553 倍。该数字对应特定硬件、嵌入维度和软件对照，不能直接推广至其他维度、现代 CPU/GPU 或端到端 EEG 系统。作者同时称硬件成本很低，但摘要未给出资源占用、功耗或成本的定量依据。 摘要提及排列熵可用于癫痫发作等严重脑部疾病的发生预测，但未提供该平台上的疾病预测性能或临床验证结果。复现需核对 FPGA 型号、窗口大小范围、延迟参数、数值精度、相等值处理、CPU 对照实现与优化程度，以及计时是否包含数据传输。实验协议、消融及统计信息尚未验证；目前材料支持计算加速结论的作者报告，不足以证明 BCI 性能提升或临床预测有效性。

    阅读价值：值得阅读其将 EEG 排列熵计算映射到可重配置 FPGA 流水线的加速路径，但复现与实时应用价值仍需核对计时范围、数值一致性及硬件资源消耗。

  3. OpenReview · EEG78

    电生理信号与血流动力学信号的多模态整合

    基于摘要分析。该研究关注同步记录的多模态神经数据，核心问题是如何将 EEG 原始时域信号的非线性函数——频带功率动态——与 NIRS 或 fMRI 测得的血流动力学响应建立联系。作者提出 multimodal source power correlation analysis（mSPoC），用于从多模态测量中恢复共同源。 技术重点在于关联 EEG 的功率变化与另一模态，而非仅讨论原始时域信号之间的关联。摘要说明了算法名称与目标，但未提供空间滤波、目标函数、优化步骤、频带选择或血流动力学时间对齐方式，因此尚不能据此重建算法实现。NIRS 与 fMRI 在摘要中是血流动力学测量的示例，实际验证采用哪一种模态尚未明确。 作者报告，在来自真实 BCI 实验的多模态数据上验证了 mSPoC，并将其恢复共同源的能力与 canonical correlation analysis（CCA）进行对照。摘要未给出定量指标，不能据此判断性能提升幅度，也不能将共同源恢复结果等同于 BCI 分类性能或 ITR 的改善。 复现时需核对实际模态、任务、被试数量、同步与预处理流程、功率估计及时间对齐方式，并确认 CCA 对照的输入表示与评估协议。实验协议、消融及统计信息尚未验证；代码与数据可用性亦尚未验证。

    阅读价值：值得阅读的具体原因是 mSPoC 将 EEG 频带功率动态与血流动力学信号的共同源恢复作为多模态整合目标，并在真实 BCI 数据上与 CCA 对照；具体性能及复现条件尚未验证。

6月27日周五
  1. OpenReview · EEG74

    一种用于多信号的峰值同步性度量

    基于摘要分析。该研究关注如何通过信号中重要峰值事件的共同发生来刻画信号间的相互依赖，提出 peak synchronization（峰值同步性）度量，并将其从两个信号推广至多个信号。主要应用对象是癫痫患者的 iEEG，研究目标是描述癫痫发作期间的同步增强，而非直接验证 BCI 解码性能。 机制上，该方法衡量不同信号中峰值出现的同时性，与经典幅值相关方法关注的信号幅值变化关系有所区别。摘要未提供峰值检测规则、同时性判定窗口、多信号推广公式或参数设置，因此尚不能确认其具体计算形式及对不同信号形态的适用范围。 作者报告，该同步性度量在很大程度上不依赖所用参数的取值，并对算法进行了时间复杂度分析；但摘要未给出参数考察范围或具体复杂度。作者还报告，在所分析的癫痫患者 iEEG 上，新度量比经典幅值相关方法更好地表征了癫痫发作期间的同步增强。摘要未提供量化指标、效应大小或统计检验，不能据此推断其在其他任务或数据上的优势。 复现时需核对峰值提取与预处理、同步时间尺度、多信号聚合方式，以及发作期与非发作期的比较协议。被试数量、通道配置、数据划分、对照实现、消融及统计信息尚未验证；参数稳健性的适用边界也需依据全文确认。

    阅读价值：该研究将峰值事件的同步发生作为多信号同步性指标，并在癫痫患者 iEEG 上与幅值相关方法比较，值得核对其对发作期同步变化的表征能力及参数稳健性。

1月1日周三
  1. OpenReview · EEG76

    声学噪声改善视觉感知并调节枕叶振荡状态

    本研究考察任务无关的连续声学噪声能否像与目标同步的瞬态声音一样促进视觉感知，并通过 EEG 探索相关振荡机制。作者报告，在同一视觉对比度检测范式中，两类声音带来的感知促进在定性与定量上相似。 基于摘要分析。研究以连续背景噪声和目标同步瞬态声音为比较条件。作者报告，连续声学噪声可改善视觉对比度检测，表现为心理测量曲线随声音幅度发生系统性偏移。摘要未提供声音幅度范围、曲线参数、效应量或具体统计结果，因此尚不能判断获益幅度及其适用条件。 EEG 方面，作者报告声学噪声改变枕叶 alpha（8–12 Hz）功率，并降低枕叶与颞叶位点之间的 beta（14–20 Hz）频段耦合；摘要未说明 alpha 功率变化方向或耦合计算方法。作者将这些变化解释为与视觉皮层兴奋性调节有关，并认为连续噪声与瞬态声音可能通过相似的振荡机制促进视觉感知。上述结果支持机制关联，但仅凭摘要不能确立这些振荡变化对行为获益的因果作用。 研究的主要对象是跨感觉视觉促进，而非 BCI 解码算法。被试数量、声音与视觉刺激设置、EEG 预处理、实验协议、消融及统计信息尚未验证，也未提供 BCI 任务表现结果。若用于评估视觉 BCI 的声环境影响，仍需独立验证；相关 EEG/BCI 后续工作尚未检索确认。

    阅读价值：该研究在同一视觉检测范式中比较连续背景噪声与目标同步瞬态声音，并结合 EEG 分析枕叶振荡，为考察声音如何调节视觉感知提供了可核对的行为与神经信号线索，但不构成 BCI 性能改善的证据。

  2. OpenReview · EEG71

    多种脑源成像方法的性能研究

    基于摘要分析。该研究关注如何利用头皮记录的 EEG 或 MEG 重建脑内活动，通过梳理源分布先验并比较七种代表性算法，评估不同脑源成像方法的表现。主要贡献是将最小范数、稀疏、张量、子空间及贝叶斯方法纳入比较性仿真研究，而非提出已验证的 BCI 解码算法。 技术上，脑源成像需要求解不适定的线性逆问题：仅凭头皮观测不足以唯一确定脑内源活动，因此必须引入额外的源分布假设以恢复可辨识性。本文以这些先验作为理解和比较不同算法的核心线索，但摘要未给出各算法名称、具体数学形式或实现细节，不能据此确定其损失函数、求解流程及计算开销。 作者报告，比较性仿真研究有助于识别新的基准算法与有前景的研究方向；摘要未提供具体优胜方法、性能数值或评价指标。仿真的源配置、头模型、噪声条件、算法参数、对照设置及统计信息尚未验证，真实 EEG 或 MEG 数据上的验证情况也尚未确认，因此不能将仿真结论直接推广到实际脑源重建或 BCI 性能。 阅读全文时，值得核对不同先验适用的源分布条件，以及各方法是否在一致的仿真与调参协议下比较。若计划复现，还需取得正向模型、仿真生成流程、七种算法的具体实现与评价定义；当前材料不足以制定可执行的复现实验。

    阅读价值：该研究以共同的脑源成像逆问题为框架，比较五类方法中的七种代表算法，值得阅读以理解不同源分布先验的作用；具体性能结论与复现条件仍需全文核对。

  3. OpenReview · EEG73

    网络化振荡器的可观测性极限

    基于摘要分析。本文受利用 EEG 测量预测脑动态这一问题启发，将复杂脑网络与有限观测之间的矛盾抽象为网络化振荡器的可观测性问题，研究低维、量化测量对大规模振荡器网络状态预测与跟踪的限制。主要贡献是提出观测能力边界的理论分析，而非新的 EEG 解码算法或临床验证方案。 作者采用三条论证路径：基于保测度映射中熵概念的信息论分析、线性确定性可观测性分析，以及使用 Kalman filtering 的线性随机分析。作者指出，仅依赖低维量化测量，即使振荡器网络对应完全连接图，也难以充分观测大规模网络。这里的关键区别是网络内部连接充分并不自动意味着外部测量携带足够的状态信息；具体成立条件、量化方式及理论界限尚需核对全文。 作者据此认为，考虑潜在神经动态的复杂性，经典 EEG 信号的精度不足以支撑临床情境下可靠的脑网络活动预测与跟踪。该判断应限定于其建模与论证前提，不能直接扩展为 EEG 无法完成特定 BCI 分类任务：恢复复杂网络状态与识别有限任务标签是不同目标。摘要未提供真实 EEG 数据验证、临床样本或定量预测指标，相关实验协议、消融及统计信息尚未验证。 平台推测（待验证）：这些分析可为 EEG 状态估计提供一种可检验假设，即测量维度和量化精度可能限制可恢复的动态信息。小规模验证可在已知状态的振荡器网络仿真中，固定网络与观测模型，分别改变观测维度、量化精度和噪声水平，比较状态估计及预测误差；真实 EEG 中的低信噪比、通道混合和被试差异可能使理想模型结论难以直接适用。已有 EEG 相关验证工作尚未检索确认。

    阅读价值：值得阅读其从信息论、线性可观测性与 Kalman filtering 三条路径分析低维量化观测的预测边界，但作者对临床 EEG 预测能力的判断仍需结合全文假设与真实数据验证。

  4. OpenReview · EEG73

    用于脊髓损伤参与者地面行走的脑机接口驱动功能性电刺激系统

    基于摘要分析。本研究针对脊髓损伤（SCI）后行走功能丧失的问题，将基于 EEG 的 BCI 与功能性电刺激（FES）结合，构建用于地面行走的系统，并在一名因 SCI 导致截瘫的参与者中评估其表现。 系统的核心思路是以 EEG-BCI 驱动 FES，将脑信号控制与辅助行走连接起来。摘要未交代 EEG 控制任务、信号特征、解码算法、训练流程、刺激参数及行走辅助条件，因此尚不能判断其具体控制机制，也不能将其直接归类为运动想象解码。 作者报告，该参与者能够有目的地、连续且实时地操控系统。摘要未提供行走距离、速度、控制准确率、训练时长或安全性事件等定量信息，实验协议、消融及统计信息尚未验证。作者称这是首个用于地面行走的 EEG-BCI-FES 系统；该优先性声明尚未独立核实。 证据范围限于单名参与者的系统可行性评估，不能据此认定可恢复独立行走、产生长期康复收益或适用于更广泛的 SCI 人群。作者提出，若在更大 SCI 人群中得到验证，该系统可能为恢复地面行走提供路径。复现与临床外推仍需核对完整的系统实现、参与者损伤特征、辅助与安全措施，以及行走表现和控制可靠性的评估方法。

    阅读价值：该研究提供了单名脊髓损伤截瘫参与者实时操控 EEG-BCI-FES 系统进行地面行走的初步可行性证据，值得关注其闭环控制与功能评估，但不能据此推断群体疗效。

  5. OpenReview · EEG73

    癫痫棘慢波振荡异质模型中的最优刺激设计

    基于摘要分析。该研究针对癫痫发作抑制中的刺激设计问题，采用异质连接的神经场模型，将发作抑制表述为最优控制问题，并使用 pseudospectral method（伪谱法）求解最小能量刺激。主要贡献是在刺激优化中考虑空间异质的神经动力学，而非直接提出 EEG 解码或 BCI 算法。 模型与机制：神经群体模型用于描述可由 EEG 记录的宏观神经活动；文中使用的异质神经场模型能够再现全身性癫痫发作期间常见的时空模式。控制目标是在该模型中设计具有抗发作作用的刺激，同时降低刺激能量。摘要未提供具体动力学方程、异质连接的构建方式、控制约束、刺激位置设定或伪谱离散细节，这些复现条件尚未验证。 结果与边界：作者报告，所设计的最小能量最优刺激能够抑制模型模拟的癫痫发作，且刺激在空间上呈现差异，作者将其归因于底层神经动力学的异质性。摘要还提出寻找合适皮层刺激位置集合的可能性，但未提供位置选择的验证结果。材料没有给出实验 EEG 数据、被试信息、对照基线或定量指标，实验协议、消融及统计信息尚未验证。 证据范围：这是面向癫痫刺激控制的计算模型研究，而非临床验证。其阅读价值在于连接空间异质动力学与刺激优化；模型抑制效果能否延伸至真实脑活动，以及如何利用 EEG 估计模型状态或参数，均尚未验证。

    阅读价值：值得阅读的是将异质神经场动力学与最小能量最优控制结合的刺激设计思路，但作者报告的发作抑制仅来自模型仿真，尚不能据此判断真实 EEG 引导刺激或临床治疗效果。

  6. OpenReview · EEG75

    EEG 信号的节能采集与重建

    基于摘要分析。该研究面向无线体域网（WBAN）中的 EEG 远程监测，针对感知与通信主导能耗的问题，提出基于矩阵补全的采集与重建方案。其贡献是将节能目标从压缩通信扩展到感知环节，并结合随机欠采样硬件验证重建及重建后的信号分类表现。 核心机制是通过伪随机时钟发生器实现随机欠采样，再由 12-bit 逐次逼近寄存器模数转换器（SAR ADC）完成转换，随后采用矩阵补全进行信号重建。摘要未给出矩阵组织方式、低秩假设、目标函数或求解算法，因此尚不能判断该方法如何利用 EEG 的时间与通道相关性，也不能确定其适用的采样缺失条件。 作者报告，与所比较的先进压缩感知（CS）方法相比，该方案在更低能耗下获得显著更好的重建准确性，且在重建后信号分类中表现更优。但摘要未提供数据集、被试数、分类任务、数据划分、重建与分类指标及对照方法名称，优势的幅度、统计依据和适用范围尚未验证。 硬件方面，作者报告其 Analog to Information Converter（AIC）采用 65 nm CMOS 工艺实现；在 1 V 供电下，采样率为 0.5 KS/s，有效位数（ENOB）为 9.54 bits，功耗为 108 nW。这些参数属于所述 AIC，不能直接等同于包含无线通信及后端重建计算的完整系统能耗。 复现时需核对欠采样率与采样模式、矩阵补全的假设和计算成本，以及各 CS 对照在相同采样与能耗预算下的设置；还需核对重建是否保留分类所依赖的 EEG 信息。全文、实验协议、消融及统计信息尚未验证，摘要中的信号分类优势也不能直接视为在线 BCI 性能提升。

    阅读价值：值得阅读其将随机欠采样硬件与矩阵补全重建结合、同时降低 EEG 感知与通信能耗的设计，但重建和分类优势的具体评估协议尚未验证。

  7. OpenReview · EEG70

    基于流形正则化极限学习机的 EEG 情绪识别

    基于摘要分析。本文研究从观看不同类型电影片段诱发的 EEG 中识别正性、中性和负性三类情绪，提出 manifold regularized extreme learning machine（MRELM，流形正则化极限学习机），以同时利用 EEG 数据的几何结构与判别信息。 方法使用五个频带的微分熵特征进行分类。摘要明确了流形正则化与极限学习机相结合的总体思路，但未提供几何结构的构建方式、正则项与损失函数、训练流程或超参数，因此这些实现细节尚未验证。 作者报告，在使用全部五个频带微分熵特征的评估中，MRELM 的平均 Accuracy 为 81.01%，对照方法 GELM 和 SVM 分别为 80.25% 和 76.62%。摘要未明确这组结果对应的被试内或跨被试协议、数据划分及平均方式，不能将其直接视为跨会话性能。作者还报告，使用高频 β、γ 频带特征得到的 Accuracy 高于低频频带特征，并据此认为 β、γ 与情绪状态变化更相关；这一解释应限定于文中的情绪诱发任务与评估条件。 作者另行开展了训练集与测试集来自不同会话的实验，并认为结果支持 MRELM 在 EEG 情绪识别中的竞争力，但摘要未给出该实验的具体数值。数据集名称、被试数量、会话安排、特征处理与模型选择流程，以及实验协议、消融及统计信息尚未验证。复现时需重点核对流形构建所用数据范围、跨会话划分、正则化参数选择及各对照方法的设置，才能判断性能优势与会话变化下的稳健性。该研究直接针对 EEG 情绪识别，不应据此延伸为其他 BCI 任务中的已验证效果。

    阅读价值：值得阅读之处在于将 EEG 数据的几何结构与判别信息共同用于情绪识别，并开展跨会话评估；其具体正则化机制与跨会话性能仍需全文核对。

  8. OpenReview · EEG73

    用于扩展脑源分析的快速变分方法

    基于摘要分析。该研究关注如何从 EEG 记录中定位多个高度相关且同时激活的扩展脑源、估计其空间范围，并提取对应的脑源信号。作者在 VB-SCCD 基础上引入源域稀疏正则化、ADMM 求解及利用时间结构的 L1;2-norm 正则化，形成 L1;2-SVB-SCCD。 机制上，原有 VB-SCCD 利用源变分映射的稀疏性；新增的原始源域稀疏正则项旨在调节估计脑源的大小。作者提出使用 ADMM 高效求解相应优化问题，并通过 L1;2-norm 正则化进一步利用数据的时间结构。摘要未给出完整目标函数、各正则项的具体形式及参数选择方式，因此尚不能核实这些约束如何共同影响空间范围估计和信号恢复。 评估方面，作者报告采用逼真仿真，将 L1;2-SVB-SCCD 与 VB-SCCD 及多种用于扩展源定位的先进技术比较。摘要未提供具体指标、数值或比较结论，不能据此认定其定位精度、源范围估计或运行速度已经优于对照。仿真中的源相关程度、噪声条件、头模型、源配置、评价指标、消融及统计信息尚未验证。 该工作的直接研究对象是 EEG 源成像，而非 BCI 任务解码。复现时需从全文核对前向模型、正则化权重、ADMM 更新与停止条件，以及源信号提取和时间结构建模的实现细节；其在真实 EEG 或下游 BCI 任务中的效用尚未验证。

    阅读价值：该研究针对高度相关、同时激活的扩展 EEG 源，将源域稀疏约束、ADMM 求解与时间结构正则化结合，值得核对其源范围估计与计算效率相对 VB-SCCD 的改进，但摘要未提供定量结果。

  9. OpenReview · EEG71

    利用堆叠自编码器提取特征进行癫痫发作检测

    基于摘要分析。该研究针对头皮 EEG 癫痫发作检测中手工特征可能难以适应新发作模式的问题，探索从原始、未标注 EEG 中自动学习表征，并将其用于患者特异性癫痫发作检测。核心方法是结合 stacked autoencoders 与 logistic classifiers，以无监督特征学习替代人工设计特征。 训练采用贪心逐层训练和全局微调两个步骤。摘要明确了特征学习与分类器的组合，但自编码器的具体结构、损失函数、EEG 预处理、输入窗口及微调时的监督方式尚未验证。其研究对象是癫痫发作检测，不是运动想象等 BCI 控制任务；患者特异性设置也不能直接视为跨被试泛化证据。 作者报告，在 CHB-MIT 数据库的标注数据上评估时，所有测试癫痫发作均被检测到，平均检测延迟为 3.36 秒，且误报率较低。摘要未提供测试发作数量、延迟计时定义或误报率数值，因此不能将这一结果扩展为全部 EEG 片段的 Accuracy，也不能据此判断临床可用性。 复现时需要核对患者与训练、测试数据的对应关系，未标注特征学习数据的使用范围，窗口划分与事件级判定规则，以及手工特征对照、误报统计单位和患者间结果差异。实验协议、消融及统计信息尚未验证；上述事项是待核查内容，并不表示作者未开展相关实验。

    阅读价值：值得阅读其以 stacked autoencoders 替代手工 EEG 特征的患者特异性检测路径，但作者报告的检出与延迟结果仍需结合数据划分和误报统计核对。

12月31日周二
  1. OpenReview · EEG75

    同步 EEG-fMRI 研究中用于去除 BCG 伪迹的耦合基学习与正则化重建

    基于摘要分析。该研究针对同步 EEG-fMRI 采集中幅度显著大于真实 EEG 的心冲击图（ballistocardiogram，BCG）伪迹，提出 Direct Recording-Joint Incoherent Basis（DRJIB）方法，将受污染的观测分解为 BCG 与潜在 EEG 成分，重点处理连续、非事件相关 EEG 的伪迹去除与信号保留问题。 核心机制是利用新实验装置获取的 BCG-only 与 EEG-only 信号学习两类基表示，而非假定 BCG 与 EEG 子空间正交或独立。其代价函数结合用于自动维度选择的组稀疏惩罚，以及鼓励两类基不相干的能量项，得到成对的低维、半正交基表示；随后将受污染数据拟合到基于这些基的生成模型，并通过正则化完成重建。摘要未给出损失函数的具体形式、正则化参数或优化细节。 作者报告，在具有挑战性的非事件相关 EEG 研究中，相较 Optimal Basis Set（OBS）基线，DRJIB 在分离并保留连续 BCG 与 EEG 信号方面表现出近 12 倍优势。这是初步定量结果，摘要未明确该倍数对应的指标、计算方式及误差范围，不能将其解释为 Accuracy 提升或其他特定性能增益。 复现时需要核对 BCG-only 与 EEG-only 信号的采集装置和条件、参考信号与混合记录的匹配方式、基学习及重建参数，以及 OBS 对照的具体实现。被试数量、数据划分、跨被试或跨会话适用性、实验协议、消融及统计信息尚未验证。该研究直接面向 EEG-fMRI 伪迹处理，但摘要结果不构成 BCI 解码性能改善的证据。

    阅读价值：值得关注其利用独立采集的 BCG-only 与 EEG-only 信号学习耦合基、再进行正则化重建的去伪迹机制，但作者报告的近 12 倍优势仍需核对具体指标、采集条件与评估协议。

  2. OpenReview · EEG76

    集成患者特异性癫痫发作分类与记录处理器的 8 通道可扩展 EEG 采集 SoC

    基于摘要分析。该研究针对头皮 EEG 中患者特异性癫痫发作起始活动的连续检测与记录，提出集成 8 通道模拟前端、机器学习分类处理器及 64 KB SRAM 的可扩展片上系统（SoC）。主要贡献是将 EEG 采集、分类及原始信号缓存整合为硬件系统，而非单独提出新的 EEG 分类算法。 技术机制方面，分类处理器采用支持向量机（SVM），并通过 Distributed Quad-LUT 滤波架构降低面积及功耗与延迟乘积的开销。模拟前端（AFE）采用斩波稳定电容耦合仪表放大器；作者报告，在 0.5–100 Hz 带宽下，噪声效率因子（NEF）为 5.1，输入折算噪声（noise RTI）为 0.91 μVrms。GBW 控制器向 AFE 提供实时增益与带宽反馈，旨在维持分类准确率；具体反馈策略及其性能贡献尚未验证。 验证与结果方面，作者报告使用 Children's Hospital Boston-MIT EEG database 及快速眼眨模式检测测试验证该 SoC。芯片采用 0.18 μm 1P6M CMOS 工艺，面积为 25 mm²；在眼眨分类测试中，Accuracy 为 84.4%，每次分类能耗为 2.03 μJ。该结果属于眼眨任务，不能解读为癫痫发作检测准确率。作者另报告，64 KB 片上存储器最多可保存 120 秒原始 EEG，但摘要未明确这一容量对应的采样率、量化位宽及通道配置。 阅读与复现时需核对患者特异性分类的训练方式、特征处理、被试与数据划分，以及癫痫检测的灵敏度、误报和检测延迟。摘要未给出这些结果，也不足以判断 Cross-subject 或 Cross-session 泛化能力；实验协议、消融及统计信息尚未验证。其硬件集成可为低功耗 EEG 设备设计提供参考，但对其他 BCI 任务的有效性仍需独立评估。

    阅读价值：该研究将 EEG 模拟采集、患者特异性癫痫发作分类与片上记录集成于同一 SoC，值得关注其软硬件协同机制，但摘要中的眼眨分类结果不能替代癫痫检测性能证据。

  3. OpenReview · EEG75

    MR 扫描仪内用于重建全头皮 EEG 的 BCG 伪迹去除

    基于摘要分析。本研究针对同步 EEG/fMRI 采集中心冲击图（ballistocardiogram，BCG）伪迹干扰 EEG 解释的问题，提出 Direct Recording Temporal Spatial Encoding（DRTSE），利用高密度 EEG 通道之间的信息估计全头皮 BCG 贡献，再重建 EEG，重点面向难以通过平均操作去除伪迹的连续、非事件相关研究。 机制上，作者设计专门实验，支持近似最优的通道子集选择：从 256 个通道中选出 20 个，并提出可由该子集估计实际记录中所有通道的 BCG 伪迹。方法将学习与推断整合，初步评估涉及直接相减及基于优化的重建方案。摘要未说明所选通道的具体信号构成、学习目标、优化形式，以及伪迹估计如何避免同时消除真实 EEG，这些内容需结合全文核对。 结果方面，作者报告，在具有挑战性的非事件相关 EEG 研究中，结合优化方案的 DRTSE 相较 Optimal Basis Set（OBS）使归一化 RMSE 降低约 13 倍。该数值属于摘要所述初步评估，不能解释为准确率提升或下游任务性能改善；其归一化定义、参考 EEG 的获得方式、被试数、训练与测试划分、跨被试或跨会话适用性，以及实验协议、消融及统计信息尚未验证。 复现重点是专门实验与实际记录之间的对应关系、20 通道子集的选择和部署条件，以及 OBS 对照的参数与误差计算协议。该工作直接研究 EEG/fMRI 采集中的伪迹处理，但摘要未提供 BCI 解码结果，因此不能将重建误差改善等同于 BCI 性能提升。

    阅读价值：值得核对其通过少量通道估计全头皮 BCG 伪迹的学习与推断机制，尤其是作者报告的相对 OBS 重建误差改善及其评估协议，但摘要中的初步结果尚不足以确认真实同步 EEG/fMRI 场景下的泛化能力。

  4. OpenReview · EEG75

    多变量数据流与频带功率信号的整合

    基于摘要分析。该研究关注同步记录的多模态神经数据，核心问题是如何将原始 EEG 时域信号的非线性函数，例如 EEG 频带功率，与 NIRS 或 fMRI 测得的血流动力学响应联系起来。作者提出 multimodal source power correlation analysis（mSPoC，多模态源功率相关分析），用于处理这一跨模态关联问题。 技术上，研究的分析对象并非原始 EEG 波形与另一模态的直接关系，而是 EEG 功率特征与多变量数据流之间的关系。这一区分对于理解电生理活动与血流动力学信号的联系具有明确意义。不过，摘要未给出 mSPoC 的具体优化目标、源提取方式、频带选择、时间对齐或延迟处理方法，尚不能据此还原算法与实现。 作者报告在模拟数据和真实多模态数据上展示了 mSPoC 框架的有效性及较高性能。摘要未提供真实数据的具体模态组合、数据集、被试数、评估划分、对照方法或指标数值，因此无法判断性能优势的大小及其适用协议；实验协议、消融及统计信息尚未验证。 该工作直接涉及 EEG 多模态分析，但摘要中的证据不等同于 BCI 解码性能或在线应用有效性。复现前需核对完整算法、预处理流程、跨模态同步与时间尺度处理、数据可获得性，以及模拟和真实数据实验各自的评价标准。

    阅读价值：值得阅读的具体原因是 mSPoC 将 EEG 源功率与另一模态的关联作为多模态分析对象；其实际性能与适用条件仍需结合全文实验核对。