脑机接口 / BCI

EpiLENS: Patient-Relative Epileptogenic Zone Localization from Multi-Center Intracranial EEG

EpiLENS：基于多中心颅内脑电图的患者相对致痫区定位

Yuanchu Gong, Zibo Yan, Yibo Lyu, Chen Chen, Sixian Chan, Yalin Wang

专题命中 EEG解码 ：EEG(title)

AI总结 本研究提出EpiLENS框架，通过保守双证据定位策略结合PRQ-Net与BCR-Net分支，在多中心iEEG数据上实现更准确的患者相对致痫区定位，性能优于基线方法且泛化性良好。

Comments 17pages, 6 figures

Advanced EEG Source Models from the Perspective of FEM and Inverse Solutions

基于有限元法与逆问题求解的先进脑电源模型

Santtu Söderholm, Joonas Lahtinen, Sampsa Pursiainen

专题命中 EEG解码 ：EEG(title)

AI总结 该研究对比了两款有限元软件的脑电源模型，结合多种源估计方法，发现逆方法的性能取决于源聚焦假设与源模型的兼容性，宽分布源模型对噪声更敏感。

Comments 18 pages, 14 figures, an extended version of the conference paper https://arxiv.org/abs/2604.20448, fixed typo in Section 4.5 title

Technological Advances in Detecting and Managing Cognitive Impairment in Older Adults: Trends, Challenges, and Future Directions

老年人认知障碍检测与管理的技术进展：趋势、挑战与未来方向

Mohammad Asif, Azizuddin Khan, Mohd Azam, Anurag Rajkumar Bombarde

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； T-Systems ICT India Pvt. Ltd.（德国电信系统印度信息通信技术私人有限公司） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG

AI总结 本文综合老年人认知障碍检测与管理的技术进展，提出跨学科分类法等成果，指出现有模型多依赖小数据集，展望了可信多模态纵向验证系统的发展前景。

Comments Withdrawn due to an unresolved dispute regarding authorship eligibility and attribution

SL-S4Wave: Self-Supervised Learning of Physiological Waveforms with Structured State Space Models

SL-S4Wave：基于结构化状态空间模型的生理波形自监督学习

Feng Wu, Harsh Deep, Eric Lehman, Sanyam Kapoor, Guoshuai Zhao, Rahul G. Krishnan, Gari Clifford, Li-wei H Lehman

机构 * Massachusetts Institute of Technology（麻省理工学院） ； OpenEvidence, USA（OpenEvidence（美国）） ； New York University（纽约大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Toronto（多伦多大学） ； Emory University（埃默里大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG

AI总结 提出SL-S4Wave框架，结合对比学习与基于结构化状态空间模型的编码器，通过多尺度子核全局卷积捕获多通道生理波形的局部和长程依赖，在心律失常检测等任务中优于现有方法。

Is Self-Pretraining really useful to improve diagnosis in medical Time Series?

自预训练（SPT）真的有助于改进医疗时间序列的诊断吗？

Omar Coser, Antonio Orvieto, Paolo Soda, Loredana Zollo

机构 * Università Campus Bio-Medico di Roma（罗马生物医学大学校园大学） ； Umeå University（于默奥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（埃利斯研究所蒂宾根分所） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG

AI总结 该研究探究自预训练（SPT）对Transformer在医疗时间序列诊断任务的影响，发现SPT可提升分类准确率0-6个百分点，是无需修改架构的通用有效策略。

Comments 21 pages, 7 figures,4 tables

Wearable Device-Based Real-Time Monitoring of Physiological Signals: Evaluating Cognitive Load Across Different Tasks

基于可穿戴设备的生理信号实时监测：评估不同任务下的认知负荷

Ling He, Yanxin Chen, Wenqi Wang, Shuting He, Xiaoqiang Hu

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC

AI总结 本研究利用可穿戴技术，通过分析FP1通道脑电图和心率变异性数据，结合随机森林分类模型，实现了对中职学生认知负荷的高精度（97%）实时评估，并验证了跨任务迁移性。

Comments We are withdrawing this version as the submission was made prior to the completion of full internal coordination among all co-authors. To ensure consistency and avoid any potential misinterpretation, we have decided to withdraw the manuscript and leave it archived as a preprint record only

Rosetta Stone of Neural Mass Models

神经质量模型的罗塞塔石碑

Francesca Castaldo, Raul de Palma Aristides, Pau Clusella, Jordi Garcia-Ojalvo, Giulio Ruffini

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC

AI总结 本文提出一个统一框架，将各种神经质量模型（NMM）置于从抽象到生物细节的连续谱中，通过从简谐振荡器出发并逐步增加细节，将不同形式转化为可导航的阶梯，从而将NMM选择从主观行为转变为原则性设计决策。

Comments To appear in Physics Reports 2026

Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution

以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统

B. Sankar, Pawni Yadav, Srinidhi Ranjini Girish, Amogh A. S

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。

Comments 53 pages, 31 figures, 6 tables

A neighbour selection approach for identifying differential networks in conditional functional graphical models

一种用于识别条件功能图模型中差异网络的邻居选择方法

Alessia Mapelli, Laura Carini, Francesca Ieva, Sara Sommariva

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 本文提出了一种基于功能-功能回归的邻居选择方法，用于识别条件功能图模型中的差异网络，通过协变量调节连接模式并提高估计精度和计算效率。

Entangled criticality and irreversibility in random Markov dynamics

异质性主导随机马尔可夫模型中的不可逆性

Faheem Mosam, Eric De Giuli

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 该研究提出了一种随机马尔可夫模型，揭示异质性对临界行为和生物动力学分析的关键作用。

Comments 11 pages, 10 figures

Journal ref Phys. Rev. E 114, 014315 (2026)

NeuroClaw Technical Report

NeuroClaw 技术报告

Cheng Wang, Zhibin He, Zhihao Peng, Shengyuan Liu, Yufan Hu, Carl Yang, Lifang He, Lichao Sun, Xiang Li, Yixuan Yuan

机构 * Electronic Engineering Department, The Chinese University of Hong Kong, China（香港中文大学电子工程系） ； School of Electronic Information, Northwest University, China（西北大学电子信息学院） ； Department of Computer Science, Emory University, Atlanta, GA, USA（埃默里大学计算机科学系） ； Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA（莱斯利大学计算机科学与工程系） ； Department of Radiology, Massachusetts General Hospital, Boston, MA, USA（麻省总医院放射科） ； Kempner Institute for Natural and Artificial Intelligence, Harvard University, Cambridge, MA, USA（哈佛大学自然与人工智能研究所） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 针对神经影像学中多模态数据、长流程和可重复性挑战，提出NeuroClaw多智能体研究助手，通过数据驱动决策、环境管理和三层技能架构实现可执行可复现的神经影像分析，并在NeuroBench基准上显著优于直接调用智能体。

CA-TCN: A Causal-Anticausal Temporal Convolutional Network for Direct Auditory Attention Decoding

CA-TCN: 一种用于直接听觉注意解码的因果-反因果时序卷积网络

Iñigo García-Ugarte, Rubén Eguinoa, Ricardo San Martín, Daniel Paternain, Carmen Vidaurre

机构 * Department of Science, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学科学系） ； BCBL, Basque Center on Cognition Brain and Language（巴斯克认知脑语言中心） ； Department of Statistics, Computer Sciences and Mathematics, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学统计、计算机科学与数学系） ； Ikerbasque, Basque Foundation for Science（巴斯克科学基金会） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)

AI总结 提出CA-TCN，一种因果-反因果时序卷积网络，直接对注意说话者进行分类，通过分别采用因果和反因果卷积对齐听觉刺激与神经响应，在多个数据集上比AADNet提升0.5%-3.2%的解码准确率。

Comments 10+2(refs) pages, 5 figures, 4 Tables, IEEE transactions preprint

Segmented Continuous Optimization

函数连续分解

Teymur Aghayev

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出FCD框架，通过参数连续优化对时间序列进行分解，提升信号分析和机器学习性能。

Comments 6 pages, 4 figures, 3 tables

Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network

空中签名解锁：基于点-体素交叉注意力网络的虚拟与增强现实认证接口

Neda Abdolrahimi, Thiru Siddharth, Frank Sicong chen, Vir V Phoha

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG、cs.HC

AI总结 提出一种空中签名认证接口，利用点-体素交叉注意力网络（PV-Net）建模3D轨迹的局部运动与全局结构，在公开和自建数据集上实现低错误率，支持沉浸式环境中的自然交互认证。

Comments Changed the 2nd co-author name from FRank Sicongchen to Frank Sicong chen

PhasorFlow: A Python Library for Unit Circle Based Computing

PhasorFlow：基于单位圆的计算Python库

Dibakar Sigdel, Namuna Panday

机构 * Mindverse Computing LLC 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 PhasorFlow基于单位圆提出新的计算范式，通过复数相位编码和单位波干涉门实现连续几何梯度预测学习，提供Phasor Circuit模型、变分相位电路和相位变换器三大贡献，验证了其在非线性分类、时间序列预测等任务中的有效性。

Structure leads and dominates comprehension in naturalistic reading

自然阅读中层级结构与统计的相对强度因测量指标而异

Nan Wang, Hanlin Wu, Jiaxuan Li

机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。

Low-dimensional representation of brain networks for seizure risk forecasting

用于癫痫发作风险预测的脑网络低维表示

Steven Rico-Aparicio, Martin Guillemaud, Alice Longhena, Vincent Navarro, Louis Cousyn, Mario Chavez

专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC

AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。

Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review

LGFNet: A CTC-Guided Local-Global Fusion Framework for Single-Channel Sleep Staging

LGFNet：用于单通道睡眠分期的基于CTC引导的局部-全局融合框架

Chongjian Wang, Zhenghang Hou, Junjie Gao, Xiaofang Zhong, Shiyuan Han, Tong Zhang

机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究针对睡眠分期难题，提出LGFNet框架，通过局部-全局融合编码器及CTC-注意力联合训练等方法，有效建模时间动态与睡眠结构，统一时间对齐与上下文建模，经三阶段解码策略提升性能，在跨数据集评估中优于现有单通道方法。

Asymptotic Uniform False Discovery Rate Control for Inference of Time-varying Correlations

通过时间变化p值控制学习时间变化相关网络

Bufan Li, Lujia Bai, Weichi Wu

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出通过时间变化p值控制学习时间变化相关网络的方法，结合高维高斯近似和理论保证的统计程序，用于非平稳时间序列中的虚假发现率控制。

Perceptually Aligning Representations of Music via Noise-Augmented Autoencoders

通过噪声增强自动编码器对音乐表示进行感知对齐

Mathias Rose Bjare, Giorgia Cantisani, Marco Pasini, Stefan Lattner, Gerhard Widmer

机构 * Johannes Kepler University（约翰内斯·开普勒大学） ； Queen Mary University（女王玛丽大学） ； Sony Computer Science Laboratories (CSL)（索尼计算机科学实验室（CSL）） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 研究如何通过噪声增强自动编码器结合感知驱动损失对音乐表示进行感知对齐，经训练产生按感知层次结构构建的编码，此方法在估计音乐音高惊喜和预测脑电反应中效果超以前方法，还提供预训练权重。

Comments Accepted to EUSIPCO 2026. Previous version appeared in NeurIPS 2025 - AI for Music Workshop. 5 pages, 2 figures, 1 table