松果脑机在CMEF发布三款硬件，覆盖16通道芯片、有源电极与SEEG宏微电极
AI 摘要北京松果脑机技术有限公司在10月21日第94届CMEF脑机接口展区展出三款硬件：ConixMerak（NRS-16A）16通道采集—刺激一体芯片、有源电极与高通道柔性微电极SEEG系统（宏微电极）。
AI 推荐理由：松果脑机在CMEF一次发布芯片、有源电极与SEEG宏微电极三款硬件，呈现了国产脑机接口器件从芯片到系统的自研链条。
EEG
全部主题头皮脑电的采集硬件、信号处理、解码与应用。
最新精选
第 1–20 条 · 共 52 条Bing 新闻：脑机接口 临床精选AI 评分5858 bioRxiv（Neuroscience）精选AI 评分6262 Shi 等用分解式时空集成深度学习从常规头皮 EEG 定位癫痫发作起始区
AI 摘要Shi 等提出一种分解式时空集成深度学习框架，用常规发作间期与发作期头皮 EEG 做脑叶水平的癫痫发作起始区（SOZ）定位，数据来自 100 例单侧局灶性癫痫患者的 262 次记录（6000 余小时），另设 28 例内部和 9 例外部测试集。
AI 推荐理由：该预印本用100例患者的常规头皮EEG做致痫区定位，并给出内部与跨机构验证结果，可供与现有非侵入式定位方法对照。
Bing News：brain-computer interface精选AI 评分8080 Columbia 团队用非侵入式 EEG 让无反应 ICU 患者靠意念调节提示音
AI 摘要哥伦比亚大学 Jan Claassen 团队在《Brain》发表研究，用非侵入式 EEG 电极记录 41 名急性脑损伤后临床无反应患者的大脑活动，经短暂训练后约三分之一患者能仅凭意念调节耳机中提示音的频率，其中包括经单独检查判定存在认知运动分离（CMD）的全部患者。
AI 推荐理由：哥伦比亚团队用ICU常规EEG让急性脑损伤无反应患者靠意念调节提示音频率，可作为非侵入式沟通接口的对照参考。
medRxiv（Neurology）精选AI 评分5555 Katy A Cross 团队用移动 EEG 比较有无冻结帕金森患者的提示步态皮层活动
AI 摘要Katy A Cross 团队用移动 EEG 比较 18 名有冻结史（PD-F）、21 名无冻结（PD-NF）帕金森病患者与 19 名年龄匹配健康对照在正常行走、跟随听觉提示和跨越视觉提示三种条件下的步态与感觉运动皮层活动。
AI 推荐理由：研究用移动 EEG 对比有无冻结的帕金森病患者在听觉与视觉提示下的步态表现，并给出感觉运动皮层 beta 抑制的差异。
bioRxiv（Neuroscience）精选AI 评分6060 Vincenzo Vitelli 团队提出旋转成分分析，揭示全脑自发旋转动力学约束线索诱发行为
AI 摘要Vincenzo Vitelli 团队提出降维方法旋转成分分析（RCA），用于在单试次中检测低方差旋转模式。他们将 RCA 应用于猴和人的运动皮层动作电位数据、小鼠全脑钙成像以及人的 fMRI 和 MEG；在小鼠中，静息态识别出的旋转模式可预测随机时刻线索到来后动物是否拉杆，作者用循环神经网络模型和二维响应学习模型解释这一关联。
AI 推荐理由：文章提出旋转成分分析，并在猴、人、小鼠多类数据上展示自发旋转动力学如何约束线索诱发行为，可供做低维神经动力学分析的研究者参考。
arXiv eess.SP（Signal Processing）精选AI 评分5858 多伦多大学 Konstantinos N. Plataniotis 团队分析跨受试者 EEG 情绪识别中的刺激记忆效应
AI 摘要多伦多大学 Konstantinos N. Plataniotis 团队在预印本中提出，SEED 等刺激定义基准的情绪标签在设计阶段就绑定到视频上，编码器只要识别出播放的是哪段视频就能免费得到标签。
AI 推荐理由：原文把刺激身份这一被忽略的变量单独量化，并给出联合留出受试者与刺激后准确率下降的幅度，可供评估跨受试者 EEG 情绪解码基准时参考。
Journal of Neural Engineering（Crossref）精选AI 评分5555 研究用可解释 AI 区分 EEG 语音解码中的神经贡献与肌电伪迹
AI 摘要一项发表于 Journal of Neural Engineering 的研究用可解释 AI 方法分析基于超高密度 EEG 的卷积神经网络语音解码，试图区分神经活动与发音时产生的肌电伪迹。
AI 推荐理由：摘要用可解释 AI 拆开 EEG 语音解码中神经信号与肌电伪迹的贡献，为判断非侵入式语音脑机接口的信号来源提供方法参照。
Bing News：brain-computer interface精选AI 评分5858 四川大学华西医院团队荟萃分析：非侵入式脑刺激联合脑机接口对卒中上肢恢复未见明确额外获益
AI 摘要四川大学华西医院 Shutao Qiu、Li Zhang、Qiang Gao 团队在 Frontiers in Neurology 发表系统综述与荟萃分析，纳入7项随机对照试验，比较非侵入式脑刺激（NIBS）联合脑机接口训练与单用脑机接口训练对卒中患者上肢运动功能的效果。
AI 推荐理由：这项荟萃分析汇总7项随机对照试验，并说明剔除单项研究后合并结果不再显著，读者可据此判断联合疗法的证据强度。
arXiv q-bio.NC（Neurons and Cognition）精选AI 评分5555 Ingo Marquardt 团队按 Llama-3.1-8B 逐层训练 EEG 解码器，发现词义信息集中在浅层、篇章语境信息随深度上升
AI 摘要Ingo Marquardt 团队在 arXiv 预印本中为 Llama-3.1-8B 的每一层各训练一个解码器，用 19 通道 EEG 记录默读过程，并区分词级可解码性与语境追踪成分。
AI 推荐理由：研究逐层比较 Llama-3.1-8B 各层作为解码目标的效果，为 EEG 语言解码器的目标层选择提供了一个可参考的设计维度。
bioRxiv（Neuroscience）精选AI 评分7272 Nir Grossman 团队提出无 Δf 伪迹的 TI 刺激期间 EEG 记录方法
AI 摘要Nir Grossman 团队在 bioRxiv 预印本中提出用 7 阶模拟低通滤波器（90 Hz 截止，1 kHz 处衰减不低于 130 dB）抑制时间干涉（TI）刺激在 Δf 处产生的记录伪迹，并在 22 名健康受试者中检验。
AI 推荐理由：该研究给出前端滤波与逐次记录校验的流程，让 TI 刺激期间的 EEG 记录可以排除 Δf 伪迹，并观察相位相关的视觉皮层调制。
Bing 新闻：脑机接口 对话精选AI 评分6262 脑机接口社区对话 Miguel Nicolelis：脑机接口热潮中什么被高估、什么被低估
AI 摘要脑机接口社区翻译整理《Nature Neuroscience》神经技术特刊对杜克大学荣休教授 Miguel Nicolelis 的访谈，他回顾了从单神经元记录转向群体编码的研究经历，并称当前领域最被高估的是把成功的计算模型当作大脑工作机制的解释。
AI 推荐理由：Nicolelis 在访谈中把生物相容性、非侵入式康复和计算模型的解释力放在一起讨论，读者可据此理解他对当前脑机接口投入方向的判断。
bioRxiv（Neuroscience）精选AI 评分5858 Matilda Makkonen 团队提出实时 EEG 去噪算法 rtSOUND
AI 摘要芬兰团队（末位作者 Matilda Makkonen）在 bioRxiv 发布实时源估计噪声剔除算法 rtSOUND，将离线 SOUND 算法改造为实时版本并集成进开源 EEG 处理软件。
AI 推荐理由：rtSOUND 用空间滤波替代时间滤波做实时去噪，读者可据此比较它与常规 EEG 预处理流程的差异。
bioRxiv（Neuroscience）精选AI 评分6262 bioRxiv 预印本：脑脊液机械运动可产生类 M/EEG 电磁信号
AI 摘要Tzvetan Popov 在 bioRxiv 发布预印本，用导电流体体模实验、结构磁共振成像以及在体 EEG 和 MEG 记录，检验组织与脑脊液仅作为被动容积导体的假设。
AI 推荐理由：用导电流体体模与在体 EEG/MEG 记录，检验脑脊液是否只是被动容积导体这一常见假设。
Bing News：brain-computer interface精选AI 评分7171 Inria 与波尔多大学团队发现视觉提示会抬高深度学习 EEG 分类准确率
AI 摘要Inria 与波尔多大学团队在 Frontiers in Neuroergonomics 发表研究，指出运动想象 BCI 中深度学习模型的部分准确率增益来自视觉提示诱发的电位，而非运动想象本身。
AI 推荐理由：研究用归因分析揭示深度学习模型可能把视觉提示的诱发电位当作运动想象信号，为 EEG 基准评测提供了可迁移的排查方法。
Journal of Neural Engineering精选AI 评分6262 奥克兰大学 Luke E Hallum 团队：想象发声时的面部肌肉活动会污染 EEG 并可用于情绪解码
AI 摘要奥克兰大学 Luke E Hallum 团队用 64 通道 EEG 开展两项实验，让受试者进行真实发声（n = 14）或想象发声（n = 21）五类情绪（愤怒、快乐、中性、悲伤、愉悦），单试次 EEG 的情绪解码准确率分别为 78.1%（随机水平 20%）和 36.4%。
AI 推荐理由：研究用 EEG 与面部 sEMG 同步记录，指出想象发声时面部肌肉活动会污染信号并影响情绪解码，可供做想象语音解码的团队参考。
Journal of Neural Engineering精选AI 评分6262 近神经电刺激结合高密度 EEG 评估 pDoC 患者意识，单中心队列报告 94.7% 分类准确率
AI 摘要意大利团队对 19 名长期意识障碍（pDoC）患者（中位年龄 69 岁，发病后 74 天）分别实施正中神经近神经刺激（NNS）与标准表面皮肤刺激（SCS），并用高密度 EEG 记录。
AI 推荐理由：19 名 pDoC 患者的高密度 EEG 对照数据，可用于比较近神经刺激与表面刺激在意识评估上的差异。
arXiv eess.SP（Signal Processing）精选AI 评分5858 KU Leuven Alexander Bertrand 团队提出无监督 HMM 框架追踪单一声源的听觉注意
AI 摘要比利时 KU Leuven 的 Tianyi Li、Alexander Bertrand 团队提出一种全无监督的绝对听觉注意解码流程，将神经包络追踪（NET）与隐马尔可夫模型（HMM）时序推断结合，仅用 EEG 信号和目标语音包络估计连续的注意轨迹，无需注意状态标签。
AI 推荐理由：30 名受试者的 EEG 数据对比了 HMM 与滑动平均平滑，可看到无监督听觉注意追踪在不同时间窗下的表现差异。
arXiv eess.SP（Signal Processing）精选AI 评分6262 arXiv 预印本：头皮 EEG 语音解码的阳性对照与检测下限审计
AI 摘要Blessing Isoyiza Adeika 与 Onyema Osuagwu 的预印本审计了 ds003626、KaraOne 和 2020 国际脑机接口竞赛 Track 3 三个数据集上的头皮 EEG 语音解码。
AI 推荐理由：这篇预印本用注入已知幅度效应的方法测量五类解码器的检测下限，并指出头皮 EEG 语音解码中肌电信号主导阳性对照的问题，可供方法学对照。
arXiv eess.SP（Signal Processing）精选AI 评分6868 鲁汶大学 Marc M. Van Hulle 团队提出 CORTEG，将头皮 EEG 基础模型迁移到 ECoG 解码
AI 摘要比利时鲁汶大学 Marc M. Van Hulle 团队提出跨模态迁移框架 CORTEG，把大规模预训练头皮 EEG 基础模型适配到颅内 ECoG 记录，在单块 GPU 上对留出患者做 10-30 分钟校准。
AI 推荐理由：原文给出两项回归任务与 sEEG 分类任务的对比结果，可看头皮 EEG 预训练模型跨模态迁移到颅内记录的可行边界。
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。