Canonical momenta indicators of financial markets and neocortical EEG
专题命中 EEG解码 ：EEG(title)
Comments 8 PostScript pages
Journal ref In Progress in Neural Information Processing (1996) 777-784
科学与医疗
脑机接口 / BCI
脑机接口、EEG、神经信号解码、神经假体和脑控交互。
1. EEG解码 3892 篇
A Robust Method for Detecting Interdependences: Application to Intracranially Recorded EEG
专题命中 EEG解码 ：EEG(title)
Comments 29 pages, 5 figures, paper accepted for publication in Physica D
Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval
超越试次平均：锚定神经与视觉表征以实现少重复脑-图像检索
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 针对少重复脑-图像检索精度骤降问题，本文提出NEAR框架，通过锚定神经与视觉表征实现性能提升，减少对重复采集的依赖，逼近实际部署要求。
Comments 8 pages, 6 figures
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
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）
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Comments Withdrawn due to an unresolved dispute regarding authorship eligibility and attribution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
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）
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。
Personalized Scorer Modeling: A Learning-Based Framework for Deriving Robust Sleep Stage Labels from Multiple Experts
个性化评分者建模：一种基于学习的框架，用于从多位专家处推导鲁棒的睡眠阶段标签
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本研究提出基于学习的个性化评分者建模框架 LBH，利用多评分者数据集构建更可靠的睡眠阶段参考标签，在 DOD-H、DOD-O 数据集上较基线方法提升了睡眠分期性能。
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？
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）
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
Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions
基于多模态可穿戴设备的嗅觉诱导唤醒-效价维度情感识别
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP
AI总结 针对现有嗅觉情感研究的维度失衡与多模态数据不足问题，构建多模态嗅觉情感数据集，提出STF-HFNet模型，在两个数据集上取得最优情感识别准确率。
A Platform-Agnostic Multimodal Digital Human Modelling Framework: Neurophysiological Sensing in Game-Based Interaction
一种平台无关的多模态数字人类建模框架：基于游戏交互的神经生理传感
机构 * Nottingham Trent University（诺丁汉特伦大学） ； King Fahd University of Petroleum and Minerals（国王法赫德石油和矿物大学）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC
AI总结 本文提出了一种平台无关的多模态数字人类建模框架，通过统一的神经生理传感和游戏交互环境，支持AI驱动的可重复、可扩展的交互研究。
End-to-End Markov State Sequence Learning for Auditory Attention Decoding
用于听觉注意力解码的端到端马尔可夫状态序列学习
机构 * NERC-SLIP, University of Science and Technology of China（中国科学技术大学NERC-SLIP） ； School of Information and Communication Engineering, Guangzhou Maritime University（广州航海学院信息与通信工程学院） ； Artificial Intelligence Research Institute, iFLYTEK Company, Ltd.（科大讯飞股份有限公司人工智能研究院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC
AI总结 研究针对听觉注意力解码中多数模型为独立短窗口分类器的问题，提出基于条件随机场的端到端马尔可夫AAD框架，引入ESCNet，通过联合优化目标学习注意力状态序列，实验证明该方法在多个数据集上优于传统孤立窗口分类。
Neuronal electricality founded in murburn-thermodynamic principles: 2. Comparisons, evidenced explanations, and predictions
基于murburn热力学原理的神经电活动：2. 比较、证据解释与预测
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 本文通过比较现有模型和实验数据，证明神经电活动源于murburn氧化还原介导的电子动力学，而非膜离子流驱动。该框架提供预测性结构，将可测量的电生理输出与物理可解释变量联系起来，扩展至更广泛的可兴奋系统。
Comments 33 pages, 2 Figures
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
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
Unifying Adaptive Fourier and Möbius-Based Models for Efficient and Interpretable Biomedical Signal Decomposition
统一自适应傅里叶与基于莫比乌斯的模型以实现高效且可解释的生物医学信号分解
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 eess.SP
AI总结 本文证明自适应傅里叶分解（AFD）与调频莫比乌斯（FMM）模型在数学上等价，并扩展至多通道信号，为结合AFD的计算优势与FMM的可解释性提供理论基础。
SPOTR: Spatio-temporal Pooling One-Token Reconstruction for Universal Physiological Signal Self-supervised Learning
SPOTR: 面向通用生理信号自监督学习的时空池化单令牌重建
机构 * New Cornerstone Science Laboratory, Guangdong Provincial Key Laboratory of In-Memory Computing Chips, Shenzhen Graduate School, Peking University（新基石科学实验室，广东省存算一体芯片重点实验室，北京大学深圳研究生院） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 提出SPOTR框架，通过单令牌全局瓶颈压缩-重建预训练，解决生理信号自监督学习在异构数据集上的性能瓶颈，在线性探测下显著提升AUC并降低计算开销。
Comments The paper has been accepted by IJCAI-ECAI 2026
MedTS-TTT: Test-Time Training for Medical Time Series Classification
MedTS-TTT：医学时间序列分类的测试时训练
机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 提出MedTS-TTT框架，通过闭环自对齐测试时训练和门控卷积骨干网络，实现无需迭代内循环优化的快速样本自适应，在4个公开数据集上取得11/12的top-1排名。
Comments Accepted at MICCAI 2026
Rosetta Stone of Neural Mass Models
神经质量模型的罗塞塔石碑
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
Multifractal human signals at the edge of life reveal a heart-brain anti-correlation
生命边缘的多分形人体信号揭示心脑反相关
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 通过多分形去趋势波动分析，发现临终患者脑电信号多分形性减弱而心电信号异常增宽，两者呈负相关，表明心脑功能解耦和反相关动力学。
Emergent togetherness in collaborative dance improvisation: neural and motor synchronization reveal a coupling-decoupling paradox
协同舞蹈即兴中的涌现性共处：神经与运动同步揭示耦合-解耦悖论
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 研究通过舞蹈即兴探索神经-运动耦合系统的涌现协调，发现训练使脑内同步增强但人际运动同步降低，揭示共处源于共享神经意图而非相同动作。
Journal ref Chaos, Solitons & Fractals, 208, 118081 (2026)
Barycentric Projections of Optimal Transport Plans on Riemannian Manifolds
黎曼流形上最优传输计划的重心投影
机构 * Baruch College（巴彻学院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 提出黎曼流形上传输耦合的重心投影框架，通过条件Fréchet均值得到最佳确定性映射，并定义条件方差Monge缺陷，实验验证了内在投影与切向投影的不同作用。
Analysis of tagging latency when comparing event-related potentials
比较事件相关电位时标签延迟的分析
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC
AI总结 本文研究了在比较事件相关电位时标签延迟的影响因素，提出了影响延迟的技术方面，并建议了估计和校正延迟的方法。
The role of noise modeling in the estimation of resting-state brain effective connectivity
噪声建模在静息态脑有效连接性估计中的作用
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 本文研究了静息态fMRI数据中有效连接性估计中噪声建模对网络估计质量的影响，探讨了内源性波动对神经活动建模的方法。
Torus Graphs for Large Scale Neural Phase Analysis
大规模神经相位分析的环面图模型
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 EEG解码 ：EEG(abstract)；neural signal(abstract)；分类 cs.LG
AI总结 提出一种随机得分匹配方法，将环面图模型的计算复杂度从O(d^6)降至O(d^2)，使其能处理数千变量，并扩展至隐马尔可夫模型和自回归模型，用于分析脑状态依赖的相位耦合和方向性交互。
Comments 23 pages, 15 figures; to be published in ICML 2026
UF-AMA: A unified framework for cross-domain emotion recognition via adaptive multimodal alignment
UF-AMA: 通过自适应多模态对齐的跨域情感识别统一框架
机构 * Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； Department of Electronic Engineering and Information Science, University of Science and Technology of China（中国科学技术大学电子工程与信息科学系） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.HC
AI总结 提出一种统一框架UF-AMA，利用自适应多模态对齐和置信度感知筛选机制，解决跨主体和跨会话的生理信号情感识别中的分布偏移问题，在SEED和SEED-IV数据集上达到最优性能。
AI Generalisation Gap In Comorbid Sleep Disorder Staging
共病睡眠障碍分期中的AI泛化差距
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 针对脑卒中患者睡眠分期中深度学习模型在健康与临床人群间泛化差的问题，通过Grad-CAM可视化和新数据集iSLEEPS，揭示模型关注生理无意义区域，并强调需开发疾病特异性模型。
A Geometric View of SRC: Learning Representations for Stable Residual Inference
SRC的几何视角：学习用于稳定残差推理的表示
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本文从几何角度分析稀疏表示分类（SRC）的残差排序稳定性，提出几何塑造目标以改善表示学习，并在多个数据集上验证了效果。
Comments 37 pages
Learning sequence timing and control of replay speed in networks of spiking neurons
学习序列时间并控制网络中脉冲神经元的回放速度
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 本文提出了一种机制，通过元素特定神经元群体的顺序激活来表示序列元素的持续时间，使模型能够跨多种时间尺度编码序列，并展示了振荡背景输入作为时钟信号，提供了一种灵活的回放速度控制机制。
BrainDyn: A Sheaf Neural ODE for Generative Brain Dynamics
BrainDyn: 一种用于生成脑动态的sheaf神经ODE
机构 * Yale University（耶鲁大学） ； Boise State University（博伊西州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本文提出BrainDyn，一种基于sheaf神经ODE的模型，用于生成脑动态，通过LSTM编码脑区活动历史，利用sheaf拉普拉斯算子促进信息传递，实现跨模态的强预测能力。
AIM: Adversarial Information Masking for Faithfulness Evaluation of Saliency Maps
AIM：对抗性信息遮蔽用于显著图忠实性评估
机构 * National Yang Ming Chiao Tung University（阳明交通大学）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本文提出AIM方法，通过对抗性信息遮蔽框架评估显著图的忠实性及遮蔽操作的可靠性，通过对比不同遮蔽方式下的退化效果，减少遮蔽诱导的偏差，并揭示不同模态下符号和非符号归因之间的差异。
Separating Intrinsic Ambiguity from Estimation Uncertainty in Deep Generative Models for Linear Inverse Problems
在深度生成模型中分离内在模糊性与估计不确定性用于线性逆问题
机构 * Neuroscience Institute, Carnegie Mellon University（卡内基梅隆大学神经科学研究所） ； Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本文提出一种分解后验不确定性的方法，用于区分逆问题中固有模糊性和推断传播的不确定性，通过校准分析揭示模型失败模式。
Uncovering Trajectory and Topological Signatures in Multimodal Pediatric Sleep Embeddings
揭示多模态儿童睡眠嵌入中的轨迹和拓扑特征
机构 * Department of Radiology（放射科） ； University of California San Francisco（加州大学旧金山分校） ； UNC–Chapel Hill（北卡罗来纳大学教堂山分校） ； UNC School of Data Science and Society（北卡罗来纳大学教堂山分校数据科学与社会学院）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 cs.LG
AI总结 本文研究多模态掩码自编码器生成的儿童睡眠嵌入中包含的会话级诊断信息，通过结合PHATE坐标、持久同调和EHR数据，发现几何、拓扑和临床特征互补提升预测性能，尤其在极端不平衡情况下提升校准和鲁棒性。
Comments Accepted to ML4H 2025, 20 pages, 6 figures
Journal ref Proceedings of the Fifth Machine Learning for Health Symposium, PMLR 297:1392-1411, 2025
