解读“EVOMOE: Evolutionary Mixture-of-Experts for SSVEP-EEG Classification with User-Independent Training” 一、研究背景与问题提出 脑机接口（Brain-Computer Interface, BCI）技术近年来在神经工程、残障辅助、康复治疗、情绪识别以及交互娱乐等领域具有广泛应用前景。BCI系统通常依赖神经信号（尤其是脑电图，Electroencephalography, EEG）作为数据输入，利用信号处理与机器学习算法将脑活动转换为外部设备指令，实现“用思维控制”各种设备的目标。 然而，实际应用中，EEG数据存在明显的个体差异（Individual Differences）。不同用户的脑电...

背景介绍 痴呆症是一种全球性的健康问题，严重影响患者的生活质量，并给医疗系统带来巨大负担。阿尔茨海默病（Alzheimer’s Disease, AD）和额颞叶痴呆（Frontotemporal Dementia, FTD）是痴呆症的两种常见类型，它们的症状有重叠，导致准确诊断和针对性治疗开发尤为困难。早期检测和准确诊断对于有效管理痴呆症至关重要。传统的诊断方法，如临床评估和神经影像技术（MRI、PET扫描），虽然有效，但成本高、耗时长且不易普及。因此，研究人员开始探索非侵入性、成本效益高的替代方法，如脑电图（Electroencephalography, EEG）。 EEG通过头皮上的电极捕捉大脑的电活动，具有高时间分辨率、成本低且易于使用的特点。痴呆症患者的大脑功能变化可以通过EEG信号...

学术背景 脑电图（Electroencephalogram, EEG）是研究大脑活动的重要工具，广泛应用于神经科学、临床诊断和脑机接口等领域。然而，EEG信号在采集过程中容易受到多种伪迹（artifacts）的干扰，例如眼电伪迹（Electrooculography, EOG）和肌电伪迹（Electromyography, EMG）。这些伪迹会显著降低EEG信号的质量，进而影响后续的分析和应用。尽管已有一些方法用于去除单一类型的伪迹，但在处理多种伪迹同时存在的情况时，现有方法往往表现不佳。因此，开发一种能够统一去除多种伪迹的模型成为当前研究的重要挑战。 Haoran Li等人针对这一问题，提出了一种基于伪迹表示的EEG去噪模型，称为A2DM（Artifact-Aware Denoising ...

自闭症儿童情绪刺激下的功能性脑连接研究 背景介绍 自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种复杂的神经发育障碍，主要表现为社交互动和沟通能力的缺陷，以及重复性行为和兴趣的局限。ASD的核心特征之一是情绪处理障碍，这直接影响患者的社交能力和生活质量。尽管ASD的研究已有多年历史，但其神经机制仍未被完全理解，尤其是在情绪处理方面的脑功能连接模式。功能性脑连接分析是研究ASD神经机制的重要手段，而脑电图（Electroencephalography, EEG）作为一种非侵入性技术，能够实时记录大脑的电活动，是研究脑功能连接的有力工具。 然而，现有的EEG研究大多集中在自发脑活动上，较少涉及情绪刺激下的脑功能连接。因此，探索ASD儿童在情绪刺激下的脑功能连接差...

基于多尺度双曲对比学习的跨被试脑电情绪识别研究 学术背景 脑电图（Electroencephalography, EEG）作为一种生理信号，在情感计算（Affective Computing）领域中具有重要应用。与传统的非生理线索（如面部表情或语音）相比，EEG信号具有更高的时间分辨率和客观性，能够更可靠地反映人类的情感状态。然而，EEG信号存在显著的个体差异，这使得跨被试（Cross-Subject）情绪识别成为一个具有挑战性的任务。不同个体的EEG信号受年龄、心理状态、认知特征等多种因素影响，导致预训练模型在新被试上的泛化能力较差。 为了应对这一挑战，研究者们提出了多种方法，包括基于时频域特征的分析、深度学习模型以及迁移学习等。然而，这些方法往往难以在减少被试间差异的同时保留情感特征的区...