py-mea-flow：开源 Python 工具包实现 Axion 多电极阵列数据全流程分析，并用于 LGI2 缺陷神经元研究
AI 摘要开源 Python 包 py-mea-flow 可对 Axion Biosystems 的 spk 二进制文件完成动作电位提取、爆发检测、网络爆发检测与动作电位同步性分析，各项基准指标与厂商 NeuralMetric Tool 参考结果近乎完全一致。
#数据集/开源
#数据集/开源
今日 0 条bioRxiv（Neuroscience）AI 评分3636
arXiv eess.SP（Signal Processing）AI 评分3333 结合 scEEG 与 PPG 实现可靠睡眠分期
AI 摘要研究探索单通道脑电（scEEG）与光电容积脉搏波（PPG）融合在 30 秒至 30 分钟短窗口下进行 4 类睡眠分期。在 MESA 数据集上，Mamba 增强融合策略取得最佳性能（Cohen's Kappa 0.798，准确率 86.9%），浅睡期 F1 分数从单模态 scEEG 的 77.76% 提升至 85.63%，并在 CFS 和 ABC 数据集上展现出良好泛化能力。
medRxiv（Neurology）AI 评分5252 Butenko 团队发布开源 DBS 仿真平台 OSS-DBS v2
AI 摘要德国研究者 Konstantin Butenko 团队在 medRxiv 发布开源平台 OSS-DBS v2，用于深部脑刺激（DBS）的生物物理建模。该版本整合了自动体积导体生成、电场建模与刺激驱动的神经仿真，提供可同时建模的颅内电极库，并通过 API 接入阻抗测量等外部数据流程。
arXiv q-bio.NC（Neurons and Cognition）精选AI 评分6262 Arnaud Delorme 团队发布 EEGDash：面向公开神经生理数据的开源机器学习平台
AI 摘要法国国家科学研究中心等机构的 Arnaud Delorme 团队发布开源平台 EEGDash，为公开神经生理数据提供面向机器学习的注册表。该平台索引 892 个公开 BIDS 数据集，覆盖 EEG、MEG、iEEG、fNIRS 和 EMG 五种模态，共 43,911 名受试者、126,672 小时数据，可将任一数据集直接加载为 PyTorch 数据集而无需自写数据加载代码。
AI 推荐理由：论文给出 892 个公开 BIDS 数据集的索引规模，并指出通过 BIDS 校验并不代表数据能加载，可供做公开神经数据训练的人参考。
arXiv（brain-computer interface）AI 评分2222 Nimbus Studio 复现参考 BCI 解码流程：跨协议与范式的公开基准验证研究
AI 摘要Nimbus Studio 在三个公开数据集（运动想象 BNCI-2014-001/004、P300 BNCI-2014-009）上复现六种标准 BCI 解码流程，与基于 MNE-Python、scikit-learn、pyriemann 和 braindecode 手写的独立参考实现对比。
Nature Portfolio（Neural decoding）AI 评分3131 多任务 EEG 数据集 iNCog-EEG 用于认知负荷评估
AI 摘要研究团队发布 iNCog-EEG 数据集，采集自 40 名受试者完成数学、N-Back 记忆匹配、视觉追踪与抑制点击四项并行任务及静息基线的 EEG 数据，含 30 份干净记录与 10 份含自然伪迹记录。基线 MLP 与 XGBoost 模型实现最高 87.48% 二分类与 82.80% 三分类准确率，支持认知负荷分类、信号质量评估与自适应 BCI 开发。
arXiv q-bio.NC（Neurons and Cognition）精选AI 评分6262 魏茨曼研究所 Michal Irani 团队提出 Brain-IT-VQA：从 fMRI 信号到视觉问答
AI 摘要魏茨曼研究所 Michal Irani 团队提出 Brain-IT-VQA，一个从 fMRI 信号进行视觉问答的框架，其解码表示以问题本身为条件，而非像以往方法那样提取固定表示。
AI 推荐理由：提出按问题条件化解码 fMRI 信号的 VQA 框架，并配套 20 类受控问答基准，可用于比较不同视觉与语义信息的可解码程度。
bioRxiv（Neuroscience）精选AI 评分6262 猕猴前后顶叶皮层同步记录数据集：40种手物交互条件下的1920通道神经与运动学数据
AI 摘要研究团队在恒河猴执行40种手物交互任务时，用覆盖1920通道的微电极阵列同步记录初级运动皮层、前顶叶区和腹侧前运动皮层的神经活动，并用多摄像头无标记动作捕捉系统采集手部运动学。
AI 推荐理由：数据集覆盖40种手物交互条件与1920通道同步记录，并附跨天跨任务解码基准，可供手部运动解码研究对照。
arXiv（brain-computer interface）AI 评分3434 CortexBridge：为脑机接口基础模型对齐 EEG 导联布局的皮层映射适配器
AI 摘要CortexBridge 是一种轻量适配器，将 EEG 特征与电极及脑图谱坐标结合，把任意导联布局映射到共享皮层潜在空间。在 MOABB 的五个 BCI 数据集上以三个冻结基础模型评估，15 项评测中 13 项性能提升，EEGPT、LaBraM、CBraMod 的平衡准确率平均增益分别为 0.80%、0.70%、3.26%，12 类 SSVEP 分类最大增益达 13.02%。
Europe PMC（brain-computer interface · PubMed）AI 评分3333 生成对抗网络合成 M1 信号增强非侵入式运动脑机接口数据集
AI 摘要研究团队提出一种 GAN 框架，从功能相关皮层区域合成初级运动皮层（M1）人工神经信号波形，以扩充神经信号数据集中的任务相关特征。基于目标导向手臂伸展任务的 MEG 记录，用 GAN 合成 M1 信号增强个体数据集后，运动解码性能显著提升约 10%（p < 0.05），且在没有真实 M1 信号时仍能维持。该方法还推广至运动想象 BCI 竞赛数据集以提升分类准确率。
Europe PMC（brain-computer interface · PubMed）AI 评分3333 SCR-FTSDNN：面向 SSVEP 脑机接口 EEG 解码的空间-通道重建频率-时间-空间深度神经网络
AI 摘要研究提出 SCR-FTSDNN 深度卷积神经网络，用于 SSVEP 脑机接口的 EEG 目标识别，通过傅里叶变换提取频域表征、时间卷积捕捉动态特征，并引入空间与通道重建卷积模块和空洞卷积扩大感受野。在 Benchmark 与 BETA 两个公开 SSVEP 数据集上的实验显示，该框架在有限校准数据下仍取得更优的识别准确率与鲁棒性。
arXiv（brain-computer interface）AI 评分3232 BrainNet Studio：脑网络构建、智能分析与可视化统一工具包
AI 摘要BrainNet Studio 是一款面向静态与动态脑网络分析的一体化工具包，覆盖网络构建、特征提取、预测建模、候选生物标志物识别与可视化全流程。该工具包集成 27 种算法，包括深度学习、图神经网络和时空序列模型，并利用大语言模型生成研究者可验证的功能连接、结构连接及结构-功能耦合摘要。工具包已公开，可服务于认知神经科学、脑疾病探索性研究与脑机接口。
arXiv（brain-computer interface）AI 评分3333 DenoFlow：面向真实生理伪影下 SSVEP 去噪的流匹配方法
AI 摘要DenoFlow 将 SSVEP 去噪建模为传输问题，用场网络回归含噪试次到干净试次直线路径的速度，并按整流流公式从观测出发前向积分完成去噪，避免从噪声生成试次。该场网络为编码器-解码器结构，每层可见含噪试次、瓶颈处接收路径位置，并由同步训练的分类器监督积分输出。在两个公开 SSVEP 数据集上，DenoFlow 在信号保真度与下游解码准确率上均优于七种基线去噪模型。
arXiv（brain-computer interface）AI 评分4141 MAPA：面向 iEEG 的样本高效神经接口自监督预训练
AI 摘要研究者提出 MAPA，一种带解剖区域嵌入和相对位置编码的掩码自编码器，可从跨受试者的无标注 iEEG 记录中学习可迁移的神经表征。在 Neuroprobe 基准的会话内、跨会话和跨受试者三种设定下，MAPA 均无需微调即刷新最优结果；跨受试者时，其特征上的线性探针仅需约 164 个标注试次即可达到无预训练时 3,500 个试次的准确率。
Europe PMC（brain-computer interface · Preprints）AI 评分2222 DualAttentionNet：面向鲁棒多类 EEG 数字解码的轻量级双注意力框架
AI 摘要DualAttentionNet 是一种在 EEGNet 基础上加入两个通道注意力模块的轻量级双注意力框架，用于基于 Visual MNIST 的多类 EEG 数字解码，分类准确率达 92.36%，优于所对比的全部架构。该研究通过信号变异性与可解释性分析验证了模型性能，作者称其为一个鲁棒、可解释且可复现的多类 EEG 分类框架，代码已公开。
arXiv（brain-computer interface）AI 评分2424 NEXUS-MI：面向网关协调运动想象脑机接口的通信感知联邦个性化框架
AI 摘要NEXUS-MI 是一个网关协调的联邦个性化框架，把同步当作学习与通信耦合的控制问题，原始 EEG 与分类器头留在本地，由边缘协调器维护共享骨干。在 BCICIV-2a（9 名受试者、4 类）与 OpenBMI（54 名受试者、2 类）离线回放中，通信感知协调使服务器到客户端的骨干流量减少约 42%，队列级准确率差异较小且依赖具体实现。
Europe PMC（brain-computer interface · PubMed）AI 评分3434 EEG 与混合 EEG-fNIRS 脑机接口用于 FES 控制：健康受试者盲法随机研究及公开数据集
AI 摘要一项盲法随机研究让 16 名健康受试者在三天内完成五次 BCI-FES 训练，比较混合 EEG-fNIRS 与纯 EEG 分类器驱动腕伸肌 FES 的效果。两组实时三分类召回率中位数分别为 53.5% 和 57.3%，在分类准确率、自主感、注意力与身体舒适度上均无统计学显著差异（p > 0.05）。
arXiv（brain-computer interface）AI 评分3030 2026 PNPL 竞赛：LibriBrain100 上的词分类与高效跨受试者泛化
AI 摘要2026 PNPL 竞赛基于扩展数据集 LibriBrain100 设置词分类任务，该数据集在原有单受试者约 50 小时 MEG 数据基础上新增 32 名受试者（每人约 40 分钟）及约 80 小时单受试者数据。竞赛设 Deep 与 Broad 两条赛道：前者追求单受试者大规模词分类的最优性能，后者聚焦跨受试者泛化，将受试者特定微调数据从约 40 分钟逐步压缩至约 20 分钟、约 10 分钟。
arXiv（brain-computer interface）AI 评分3131 研究者提出开放词汇互信息 OVMI，为语音脑机接口建立统一通信度量
AI 摘要研究者提出开放词汇互信息（OVMI），一种信息论指标，用于衡量解码器相对于用户可能表达词汇参考分布所传达的信息量，从而把不同词汇表、记录方式和语音类型下测得的语音脑机接口能力放到同一通信尺度上比较。
Europe PMC（brain-computer interface · Preprints）精选AI 评分7474 中科院团队发布 BCIJelly 脑机接口研究一体化生态
AI 摘要中科院团队提出 BCIJelly，一个将 18 个脑机接口数据集标准化为 AI 可用输入、并集成 15 个基准解码器、80 个可复用模块、自动架构搜索（AAS）与硬件感知神经形态部署的统一生态。
AI 推荐理由：该工作把 18 个数据集、15 个基准解码器与神经形态部署串成统一流程，可供比较不同解码方案与硬件落地路径。
Google News：brain-computer interfaceAI 评分2222 Nature 发布基于 EEG 的脑机接口方向性词语识别数据集
AI 摘要Nature 发布了一个基于 EEG 的脑机接口数据集，用于方向性词语识别。该数据集面向非侵入式 EEG 脑机接口的方向性词语解码研究。
Europe PMC（brain-computer interface · PubMed）AI 评分2424 NIRSport2 系统采集的手部握力运动 fNIRS 数据集
AI 摘要研究团队用 NIRSport2 设备采集了 20 名健康右利手受试者手部握力任务时的运动皮层 fNIRS 数据，采用 8×8 光极配置共 20 通道，遵循国际 10/20 系统，采样频率 10.1725 Hz。
Nature Portfolio（Brain–machine interface）AI 评分5252 休斯顿大学 Jose L. Contreras-Vidal 团队发布 EEG 控制下肢外骨骼行走与站立的纵向多模态数据集
AI 摘要休斯顿大学 Jose L. Contreras-Vidal 团队在 Nature 旗下期刊发布一套公开数据集，记录 7 名健康受试者用 EEG 控制 REX 下肢外骨骼完成行走与站立的开环训练和闭环试验，共 9 次会话。
Nature Portfolio（Brain–machine interface）AI 评分3232 首个中文笔画与拼音单韵母手写想象 EEG 解码开放数据集发布
AI 摘要研究者发布首个面向手写想象的 EEG 脑机接口开放数据集，21 名健康受试者（13 男 8 女，中位年龄 25 岁）在两次独立采集中共完成两类任务：想象书写汉字五种基本笔画（横、竖、撇、捺、折）与六个汉语拼音单韵母（ɑ、o、e、i、u、ü），对应五分类与六分类解码任务。
Nature Portfolio（Brain–machine interface）AI 评分3838 两只全植入非人灵长类动物的纵向多任务无线 ECoG 数据集
AI 摘要日本大阪大学团队在两只成年雌性日本猕猴（Macaca fuscata）双侧感觉运动皮层植入全植入式无线 ECoG 系统，采集了涵盖听觉加工、按键、伸手运动和体感刺激的多任务纵向数据。数据集包含静息态、阻抗检测、听声任务、按键任务、伸手任务和体感诱发电位（SEP），用于追踪长期皮层信号稳定性并支撑 BCI 解码算法开发。
Nature Portfolio（Brain–machine interface）AI 评分3030 面向上肢康复训练的多范式 EEG 数据集发布
AI 摘要该数据集采集了 28 名健康受试者（14 男 14 女，20-33 岁，均为右利手）在六种上肢康复范式下的 EEG 信号，聚焦手部抓握动作。研究验证了两类运动想象任务中 ERD/ERS 现象的存在，并对全部范式数据进行了机器学习分类分析，结果显示数据集具备良好的可分性。通过构建六种康复范式的功能脑网络，研究发现部分范式间网络拓扑图存在差异。
Bing News：brain-computer interfaceAI 评分4040 PLOS One 论文介绍开源 Python 框架 PyNoetic，称其为"搭建脑机接口的 LEGO 套装"
AI 摘要研究团队在 PLOS One 发表论文，推出免费开源、跨平台的 Python 框架 PyNoetic，用拖拽式流程图让研究者无需写代码即可搭建脑机接口处理流程。该框架覆盖刺激生成、EEG 数据采集与记录、预处理滤波、特征提取、机器学习分类和实时仿真等完整环节，并保留自定义算法接入能力。团队称其目标是降低早期神经科学家的编程门槛，推动高度定制化脑机接口的快速原型开发。