脑机接口 / BCI

Making Conformal Predictors Robust in Healthcare Settings: a Case Study on EEG Classification

在医疗环境中使符合预测器更加稳健：EEG分类的案例研究

Arjun Chatterjee, Sayeed Sajjad Razin, John Wu, Siddhartha Laghuvarapu, Jathurshan Pradeepkumar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； PyHealth ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.LG

AI总结 本文评估了多种符合预测方法在EEG癫痫分类中的表现，发现个性化校准策略可提升覆盖度20%以上，同时保持预测集大小相近。

Comments Accepted to the International Conference on Artificial Intelligence in Medicine 2026

LLM as Clinical Graph Structure Refiner: Enhancing Representation Learning in EEG Seizure Diagnosis

基于LLM的临床图结构细化：增强EEG癫痫诊断中的表示学习

Lincan Li, Zheng Chen, Yushun Dong

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； SANKEN, The University of Osaka（大阪大学SANKEN） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 本文提出利用大语言模型对图结构进行细化，以提升EEG信号在癫痫诊断中的表示学习效果，通过两阶段框架去除冗余边，提高诊断准确率和图结构意义。

Comments This paper is accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

Cortex-Inspired Continual Learning: Unsupervised Instantiation and Recovery of Functional Task Networks

受皮层启发的持续学习：无监督的功能任务网络的实例化与恢复

Kevin McKee, Thomas Hazy, Yicong Zheng, Zacharie Bugaud, Thomas Miconi

机构 * Astera Institute（Astera研究院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出功能任务网络（FTN），通过模仿大脑皮层的结构和动力学特征，实现持续学习中任务的无监督分割与恢复，通过三阶段流程在单次梯度步中恢复已训练任务的子网络，有效减少灾难性遗忘。

Comments 16 pages, 15 figures