脑机接口 / BCI

Classification of Epileptic iEEG using Topological Machine Learning

利用拓扑机器学习对癫痫性iEEG进行分类

Sunia Tanweer, Narayan Puthanmadam Subramaniyam, Firas A. Khasawneh

机构 * Department of Mechanical Engineering, Michigan State University（密歇根州立大学机械工程系） ； Faculty of Medicine and Health Technology, Tampere University（坦佩雷大学医学与健康技术学院） ； A.I.Virtanen Insttute of Molecular Sciences, University of Eastern Finland（东芬兰大学A.I.Virtanen分子科学研究所） ； Department of Computational Mathematics, Science and Engineering, Michigan State University（密歇根州立大学计算数学、科学与工程系） 纠错

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

AI总结 本文探讨了通过拓扑数据分析提取特征是否能提升癫痫患者多通道iEEG记录中预发作、发作和间期脑状态的分类性能，发现拓扑特征在三类分类中达到80%的平衡准确率，且传统机器学习模型表现不逊于深度学习。

Cross-Modal Knowledge Distillation for PET-Free Amyloid-Beta Detection from MRI

跨模态知识蒸馏用于无PET的MRI淀粉样蛋白β检测

Francesco Chiumento, Julia Dietlmeier, Ronan P. Killeen, Kathleen M. Curran, Noel E. O'Connor, Mingming Liu

机构 * Dublin City University（都柏林城市大学） ； Insight Research Ireland Centre for Data Analytics（爱尔兰Insight研究数据分析师中心） ； St. Vincent’s University Hospital（圣文森医院） ； University College Dublin（都柏林大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本文提出一种基于BiomedCLIP的跨模态知识蒸馏框架，利用MRI单独预测淀粉样蛋白β，无需PET或临床变量，实现了可解释的无PET检测方法。

Comments Accepted to CVPR Workshops 2026 (PHAROS-AIF-MIH)

Self-Monitoring Benefits from Structural Integration: Lessons from Metacognition in Continuous-Time Multi-Timescale Agents

自我监控从结构整合中获益：来自连续时间多时间尺度智能体中元认知的启示

Ying Xie

机构 * Kennesaw State University（肯尼斯州立大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 研究探讨了自我监控能力在连续时间多时间尺度智能体中的有效性，发现结构整合方法在非平稳环境中能提升性能，但未显著优于无自我监控基线。