跳到正文
今天11月3日周二1 条
11月2日周一
  1. 脑机接口社区 · 公众号65

    北卡罗来纳大学等机构综述脑电跨被试泛化困境与六大解法

    北卡罗来纳大学、达特茅斯学院等机构研究者系统梳理脑电跨被试泛化困境,指出被试依赖评估下动辄95%以上的准确率,遇到全新病人可能暴跌到60%。综述介绍了留一被试交叉验证(LOSO)的正确评测方式,并归纳特征对齐、对抗学习、特征解耦、对比学习、被试级归一化和元学习六大应对方向,认为被试身份可主动用于学习而非仅作噪声抹除。

  2. 心理与大脑技术 · 公众号33

    脑电里的PCA:把64个电极浓缩成几张地形图

    脑电分析中,PCA 可将 64 导电极数据降维成少数几个主成分:空间 PCA 以电极作变量,得到头皮地形图;时间 PCA 以时间点作变量,得到典型波形。需先去均值,注意方差大不等于重要,第一主成分可能是眨眼等伪迹。PCA 求正交、ICA 求统计独立,实际流程常先用 PCA 压缩维度再对结果做 ICA。

10月30日周五
  1. 心理与大脑技术 · 公众号24

    短时傅里叶变换(STFT):既看时间又看频率的时频分析

    短时傅里叶变换(STFT)通过滑窗分段做傅里叶变换,得到"时间—频率—功率"时频图,是脑电常用的时频分析工具之一。其核心权衡在窗长:窗越长频率分辨率越细但时间分辨率变差,窗越短则相反,论文中必须报告窗的类型和长度。实战需注意边界效应、基线期标准化和配色陷阱,短促高频事件或频率快变信号则需考虑小波变换等更高级方法。

10月27日周二
10月9日周五
9月18日周五
  1. 脑机智能在线 · 公众号84

    华中科技大学团队发布EEG-FM-Compass:55个脑电基础模型的全面基准评测

    华中科技大学伍冬睿教授团队在《国家科学评论》发表EEG-FM-Compass,系统梳理55个脑电基础模型,并在涵盖9类BCI范式的13个数据集上评测12个开源基础模型和8种专家基线。

    推荐理由:这是迄今覆盖面最大的脑电基础模型基准评测,读者可以据此校准对预训练模型与轻量专家模型差距的预期。

9月14日周一
9月7日周一
9月1日周二
  1. MOABB · 官方版本发布45

    MOABB v1.7.1 发布

    MOABB 发布 v1.7.1,修复 NEMAR 因代理或其他 HTTP 传输故障不可达时本地缓存数据集数据无法使用的问题。该版本在所有 NEMAR 下载边界捕获 `httpx.TransportError` 异常,并保留默认 `auto` 提供商回退到数据集自带下载器的机制。相关改动见 PR #1171。

8月31日周一
  1. 脑机前沿 · 公众号78

    浙大团队发布BrainBench:用17个数据集检验大模型脑电分析能力

    浙江大学脑机智能全国重点实验室团队发布BrainBench基准,用17个数据集、172个任务、4K+真实实例检验大模型能否按自然语言指令完成可验证的EEG分析。评测13个API模型、超10万次执行,头部模型Overall约70+,跨模态生理整合最难;结构化Agent在数值校验和跨实例稳定性上更稳,自由写码(CodeAct)更灵活,Hard任务上分数常掉到三十多。开推理有用但猛堆推理收益有限。

    推荐理由:原文介绍了BrainBench基准的构成与五条主要结果,读者可据此了解当前大模型做端到端脑电分析的能力分布与执行范式差异。

8月27日周四
  1. 脑机掌门 · 公众号56

    Nature Communications:仿生摩擦电触觉传感器实现高温下压力与温度同步检测

    一项发表于 Nature Communications 的研究开发出受撒哈拉银蚁启发的摩擦电触觉传感器,可在200℃高温下同时感知压力和温度。传感器以甘蔗渣制备的纳米纤维素薄膜构成压力单元P-TENG和温度单元T-TENG,自供电无需外接电源,P-TENG响应时间小于100毫秒且电压输出与压力呈线性关系。

7月5日周日
  1. 脑机前沿 · 公众号81

    Meta发布Brain2Qwerty v2:非侵入MEG脑到文本解码,最佳受试者WER降至22%

    Meta AI联合École Normale Supérieure、BCBL等发布Brain2Qwerty v2,用CTC异步解码加Qwen3-4B LoRA微调从MEG信号解码整句,最佳受试者WER 22%,较v1的52%约提升一倍。

    推荐理由:原文梳理了v2相对v1在异步解码、数据规模和LLM接入上的具体改动与结果,读者可以了解非侵入脑到文本的可行路径。

6月29日周一
6月24日周三
  1. 脑机前沿 · 公众号78

    上海AI Lab等发表论文:审计EEG基础模型到底捕获了什么

    上海人工智能实验室联合上海交通大学、同济大学、复旦大学、休斯顿大学发表研究,系统审计EEG基础模型编码和使用哪些经典脑电特征。研究覆盖CSBrain、CBraMod和LaBraM三个模型、5个临床任务、63个手工特征共945个审计单元,89.6%通过编码标准,68.6%为representation-causal,频域特征贡献最强,确认使用的特征平均恢复基础模型相对随机基线优势的79.3%。

    推荐理由:原文拆解了学到、用到、可解释三层审计方法,并给出各层占比,读者可以据此理解EEG基础模型可解释性的评估思路。

6月12日周五