医学 AI

Parametric Generalized Adaptive Moment Features (PG-AMF) for Bearing Fault Diagnosis and Machine Health Monitoring

参数化广义自适应矩特征(PG-AMF)用于轴承故障诊断与机器健康监测

Rajeev Kumar

专题命中 健康监测 ：diagnosis(title,abstract)；分类 eess.SP

AI总结 提出参数化自适应特征提取框架，从振动信号中学习互补特征，通过结构化融合增强故障表示，在齿轮箱轴承数据集上优于传统方法，具有强泛化能力。

Comments 07 pages, 09 figures and 04 table. Conference

A Unified Statistical Framework for Multicopter Propeller Damage Diagnosis Based on Functionally Pooled Models and Bayesian Quantification: Experimental Flight Test Assessment

基于功能合并模型和贝叶斯量化的多旋翼螺旋桨损伤诊断统一统计框架：实验飞行测试评估

Shinan Huang, Jingxi Zhu, Fotis Kopsaftopoulos

专题命中 健康监测 ：diagnosis(title,abstract)

AI总结 研究多旋翼螺旋桨损伤诊断，基于功能合并自回归模型的框架，仅用惯性测量单元数据，经实验飞行测试评估，能进行损伤检测、识别与量化，相比传统方法更稳定，为结构健康监测提供高效严谨方案。

Comments 51 pages, 31 figures

MedRLM: Recursive Multimodal Health Intelligence for Long-Context Clinical Reasoning, Sensor-Guided Screening, Evidence-Grounded Decision Support, and Community-to-Tertiary Referral Optimization

MedRLM：用于长上下文临床推理、传感器引导筛查、证据支持决策及社区到三级转诊优化的递归多模态健康智能

Aueaphum Aueawatthanaphisut

机构 * School of Information, Computer ； Communication Technology Sirindhorn International Institute of Technology, Thammasat University Pathum Thani, Thailand 1 纠错

专题命中 健康监测 ：medical AI(abstract)；medical image(abstract)；radiology(abstract)；分类 cs.LG、q-bio

AI总结 提出MedRLM递归多模态健康智能框架，通过递归检查、分解、检索、验证和合成患者信息，协调多个专业代理并引入临床证据图记忆，实现长上下文临床推理和传感器引导筛查。

Comments 9 pages, 3 figures, 3 tables, 1 Algorithm, 29 equations

BenDi: An Energy-Efficient Quasi-Stochastic Systolic Architecture for Edge Bioelectronics

BenDi: 一种用于边缘生物电子学的节能准随机脉动架构

Bochen Ye, Yihan Pan, Shady Agwa, Themis Prodromakis

专题命中 健康监测 ：diagnosis(abstract)；biomedical(abstract)

AI总结 提出BenDi架构，通过低电压、准随机乘法、脉动数据流和硬件感知量化，在边缘设备上高效运行CNN，相比二进制权重固定脉动架构，面积效率提升3.35倍，能效提升5倍，精度损失仅1%-3.3%。

Comments Accepted for presentation as a short paper at International Conference on Application-specific Systems, Architectures and Processors (ASAP 2026)

MorphologyFM: A Foundation Model for Morphology-Aware Representation Learning from ECG and Pulse Oximetry Waveforms

MorphologyFM：一种用于从心电图和脉搏血氧波形中进行形态感知表示学习的基础模型

Saiyang Feng, Yuanyun Zhang, Shi Li

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG、eess.SP

AI总结 研究针对现有生理波形方法未保留临床意义波形形态的问题，提出多模态基础模型MorphologyFM，通过形态感知自监督学习目标预训练，结合多种技术学习相关表示，在多下游任务中表现优于其他方法，证明联合建模更具可转移性。

A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

频谱审计框架揭示EEG和ECG深度学习中任务依赖的非周期性依赖

Jasmeet Singh Bindra, Siddharth Panwar

机构 * Indian Knowledge Systems and Mental Health Applications (IKSMHA) Center, Indian Institute of Technology Mandi（印度理工学院曼迪分校印度知识体系与心理健康应用中心） ； School of Computing and Electrical Engineering, Indian Institute of Technology Mandi（印度理工学院曼迪分校计算与电气工程学院） 纠错

专题命中 健康监测 ：pathology(abstract)；分类 cs.LG、eess.SP

AI总结 提出频谱审计框架，结合非周期/周期分解、相位保持傅里叶干预等，发现深度学习模型对非周期成分的依赖是任务依赖且架构通用的，在睡眠-觉醒分类中影响显著，临床异常检测中中等，运动想象中最小，并扩展到ECG。

Comments 25 pages, being prepared for submission to peer-reviewed journal

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

Seyyed Ali Hoseini, Javad Baseri, Hamid Saadatfar, Edris Hoseini Gol, AmirHossein Eshghi

专题命中 健康监测 ：diagnosis(abstract)；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。

Apnea Burden-Guided Framework: Enhancing Out-of-Distribution Generalization in PPG-Based Sleep Apnea Characterization

呼吸暂停负荷引导框架：增强基于PPG的睡眠呼吸暂停表征中的分布外泛化能力

Mantas Rinkevičius, Oskar Pfeffer, Amal Alissa, Nando Hegemann, Vaidotas Marozas

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 该研究提出呼吸暂停负荷引导框架，结合PPG特征与SpO2，提升睡眠呼吸暂停表征效果，增强分布外泛化能力，低复杂度混合架构适用于家庭预防性监测

Comments 16 pages, 13 figures, 4 tables, 53 references. Submitted to the IEEE Access journal

Deep Multimodal Wearable Sensor Fusion for Detection of Body-Focused Repetitive Behaviors

用于聚焦身体重复行为检测的深度多模态可穿戴传感器融合

Samaneh Rezaeimanesh, Mohsen Behradfar, Mohammad Fili, Guiping Hu

机构 * George Mason University（乔治梅森大学） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究开发多模态深度学习框架，利用腕戴式传感器数据检测聚焦身体的重复行为，在二元及九分类任务中均优于单模态基线，为可穿戴辅助心理健康诊断奠定基础。

SWINSleepNet: A Hierarchical Context-Aware Framework for Sleep Staging (v2)

SWINSleepNet：用于睡眠分期的分层上下文感知框架（v2）

Chongjian Wang, Junjie Gao

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） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对现有睡眠分期方法在模糊及过渡分期表现差的问题，提出分层上下文感知的双流框架 SwinSleepNet，在 Sleep-EDF 系列及 SHHS 数据集上验证其在 N1 分期和过渡 epoch 上的性能优势。

Comments Report-no: SDUST-SLEEP-202608-V2; 10 pages, 7 figures, revised updated version of arXiv submit/7867870, conference submission draft

Propagation models for IEEE 802.15.6 standardization of implant communication in body area networks

用于人体区域网络中植入通信的IEEE 802.15.6标准化的传播模型

Raul Chavez-Santiago, Kamran Sayrafian-Pour, Ali Khaleghi, Kenichi Takizawa, Jianqing Wang, Ilangko Balasingham, Huan-Bang Li

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 研究人体区域网络中植入通信的IEEE 802.15.6标准化的传播模型，借助计算机模拟等手段，通过使用超宽带信号及动物物理测量来增强信道模型，为该领域标准化提供支持。

Journal ref IEEE Communications Magazine, vol. 51, no. 8, pp. 80-87, August 2013

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

Toward Energy-Efficient and Low-Power Arrhythmia Detection for Wearable Devices

迈向可穿戴设备的节能低功耗心律失常检测

Floriaan Bulten, Yawar Rasheed, Arlene John, Vincenzo Stoico, Ghayoor Gillani

机构 * Computer Architecture for Embedded Systems, University of Twente, The Netherlands（嵌入式系统计算机架构，特文特大学，荷兰） ； Biomedical Signals and Systems, University of Twente, The Netherlands（生物医学信号与系统，特文特大学，荷兰） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam, The Netherlands（科学学院，计算机科学，阿姆斯特丹自由大学，荷兰） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究针对可穿戴设备心律失常检测中深度学习算法功耗高的问题，通过数据精度降低和近似乘法等近似技术，在保持分类性能的同时显著降低功耗，延长了可穿戴设备电池寿命。

SpindleFlexNet: Flexible sleep spindles detection for EEG signals based on an adaptive one-dimensional RetinaNet-based framework

SpindleFlexNet：基于自适应一维视网膜网络框架的脑电信号灵活睡眠纺锤波检测

Shao-Jun Xia, Jing Bao, Anlan Sun, Xiaoyang Chen, Hongjia Liu, Xiao-Ting Li, Ying-Shi Sun

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 研究针对睡眠纺锤波在脑电信号中占比小、检测难问题，提出SpindleFlexNet框架，基于自适应一维视网膜网络架构，经两个数据集训练和验证，该框架检测性能稳定、泛化性好，为睡眠研究提供实用工具。

Comments 12 pages, under submission

ECGLight: Compute-Light Framework For Paper ECG Digitization and Myocardial Infarction Screening

ECGLight：用于纸质心电图数字化和心肌梗死筛查的轻计算框架

Shreyasvi Natraj, Cyrus Achtari, Felice Gragnano, Andrea Milzi, Marco Valgimigli, Diego Paez-Granados

机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Paraplegic Research（瑞士截瘫研究中心） ； University of Campania “Luigi Vanvitelli”（坎帕尼亚“路易吉·万维泰利”大学） ； University of Italian Switzerland, Cardiocentro Ticino Institute（意大利瑞士大学提契诺心脏中心研究所） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对偏远诊所因资源限制无法利用AI分析纸质心电图的问题，提出端到端轻量级设备端数字化到诊断管道，能将纸质心电图转换为校准信号并筛查病变，经数据集验证，准确率高且运行快，可普及纸质记录并提供决策支持。

Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder

通过物理信息变分自编码器进行短跨桥梁的不确定性感知损伤识别

Ana Fernandez-Navamuel, A. Javier Omella, Diego Zamora-Sanchez, David Pardo

机构 * Basque Center for Applied Mathematics (BCAM)（巴斯克应用数学中心） ； Departamento de Matematica Aplicada, Universidad de Zaragoza/IUMA（萨拉戈萨大学应用数学系/数学及其应用研究所） ； TECNALIA, Basque Research and Technology Alliance (BRTA)（特克纳利亚研究与创新中心，巴斯克科学与技术联盟） ； Department of Mathematics, University of the Basque Country (UPV/EHU)（巴斯克大学数学系） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对基于振动的土木基础设施损伤识别难题，提出物理信息高斯copula变分自编码器框架，嵌入数值特征值求解器并采用高斯copula，减少参数空间，验证表明能准确恢复后验分布，为桥梁损伤诊断提供可靠工具。

Lightweight ML-Based Automatic Sleep Staging Framework with Constrained CNN and Mamba for Small-Sample EEG Datasets

基于轻量级机器学习的自动睡眠分期框架：用于小样本脑电数据集的约束卷积神经网络和曼巴算法

Zihao Wei, Yulin Gong, Yudan Lv

机构 * School of Electronic Information Engineering, Changchun University of Science and Technology（长春理工大学电子信息工程学院） ； Jilin University（吉林大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对小样本脑电数据自动睡眠分期面临的挑战，提出GamSleepNet框架，结合改进Gabor核与可学习滤波器提取特征，用曼巴架构构建网络，引入新损失和训练策略，验证了最佳数据集大小，提升了挑战性睡眠阶段识别准确率。

Digital Twin-Driven Adaptive Sim-to-Real Alignment via Reinforcement Learning for Vibration-Based Bearing Health Monitoring Under Data Scarcity

基于强化学习的数字孪生驱动自适应模拟到真实对齐用于数据稀缺下振动轴承健康监测

Jinghan Wang, Yanjun Chen, Wei Zhang, Wentao Wu, Tianchen Liu, Gaoliang Peng

机构 * Harbin Institute of Technology, China（哈尔滨工业大学，中国） ； Eastern Institute of Technology, China（东方技术研究院，中国） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对数据稀缺下振动监测的故障诊断问题，提出基于强化学习的数字孪生自适应对齐方法，通过策略网络为不同故障类型生成特定仿射变换，平衡特征间隙与类间可分性，在三个数据集上验证了有效性。

Generative Modeling for Physiological Signals

生理信号的生成建模

Xinqi Bao, Ernest Kamavuako, Saikat Chatterjee

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文综述了生成模型在心血管、神经、肌肉等生理信号中的应用，涵盖GAN、VAE、扩散模型等，并提出了分层次评估框架。

CLIP-guided Diffusion Model for Backdoor Generation in Sensor-based Human Activity Recognition

基于CLIP引导的扩散模型在传感器人体活动识别中的后门生成

Toby Briston, Illya Kosyk, Kuniyih S

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出IMU-DM-CLIP方法，利用扩散模型生成带后门的合成数据，以10%注入率和10%引导数据成功攻击HAR模型。

A Logic-based Temporal Cohort Discovery Engine: Algorithms, Indices, and Experimental Results on the National Sleep Research Resource

基于逻辑的时间队列发现引擎：算法、索引及在国家睡眠研究资源上的实验结果

Yan Huang, Xiaojin Li, Licong Cui, Guo-Qiang Zhang

专题命中 健康监测 ：biomedical(abstract,comments)

AI总结 研究针对大型睡眠研究库队列发现问题，提出基于逻辑的时间队列发现引擎，采用QEL和BEST，组织成三种查询模式，用Python实现原型并评估，2DFC构建索引性能优，队列选择查询高效，是符号生物医学计划一部分。

Comments Under review by the Journal of Biomedical Informatics (JBI)

Toward a Dynamical Taxonomy of Insomnia: A Multiaxial Framework for Sleep-State Transitions and Architectural Failure

迈向失眠的动态分类学：睡眠状态转换与结构异常的多轴框架

Alexander Poltorak

专题命中 健康监测 ：diagnosis(abstract)；分类 q-bio

AI总结 本研究提出多轴动态框架，以失效的动态运作等为候选特征，用于失眠的分类，其可改善交流、分层与预测，框架为现象学组织模型而非新诊断系统。

Comments 28 pages, 3 figures

ECG-LENS: Lead-Aware Clinical Context Enriched ECG Report Generation and Evaluation

ECG-LENS：导联感知且融入临床上下文的心电图报告生成与评估

Akanta Das, Tasinul Islam Ahon, Ahmed Mahir Sultan Rumi, Md Mahbubur Rahman, Tausif Amim Shadly, Tanzima Hashem

专题命中 健康监测 ：diagnosis(abstract)

AI总结 本文提出ECG-LENS框架，结合多导联信号建模等技术实现心电图报告生成，还提出F1-ECGBERT指标评估报告，实验显示其在PTB-XL和MIMIC-IV-ECG上性能优于现有最优方法。

Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers

失败揭示指标遗漏之处：用于心电图分类器递归优化的证据驱动智能体

Jinliang Deng, Yiming Niu, Yibo Pan, Zhiqi Shao, Qin Luo, Yongxin Tong

机构 * Beihang University（北京航空航天大学） ； Chongqing University（重庆大学） ； Fuwai Hospital（阜外医院） 纠错

专题命中 健康监测 ：diagnosis(abstract)

AI总结 研究聚焦心电图分类器优化依赖人工的问题，提出RecursiveECG框架，利用LLM基于具体失败情况和心电图证据优化分类器，经特殊转换和审查分析制定修订，在多数据集上表现出色，验证了基于证据优化过程的有效性。

Single-atom sensor for low-frequency electric field

用于低频电场的单原子传感器

Quan Yuan, Shuang-Qing Dai, Tai-Hao Cui, Pei-Dong Li, Yuan-Zhang Dong, Zhuo-Zhu Wu, Ji Li, Fei Zhou, Jian-Qi Zhang, Liang Chen, Mang Feng

专题命中 健康监测 ：biomedical(abstract)

AI总结 研究利用冷俘获离子对弱交变电信号的高固有灵敏度，结合拍频技术与注入锁定声子激光振荡，实现对30kHz至３00kHz低频电场信号的精确检测，灵敏度达404μV/(m·Hz1/2)，检测限为61.5μV/m，为相关应用开辟道路。

Comments 8 pages, 4 figures

Differentially private quantum sensor networks

差分隐私量子传感器网络

Daniel J. Spencer, Kaiyan Shi, Emil T. Khabiboulline, Gorjan Alagic, Alexey V. Gorshkov

专题命中 健康监测 ：biomedical(abstract)

AI总结 研究量子传感器网络用于隐私数据测量时的隐私问题，引入具差分隐私的安全传感协议，协调差分隐私与海森堡极限缩放，给出多种协议，证明主要协议在隐私-效用权衡中有优势且对多种攻击具弹性。

Comments 36 pages, 5 figures, 1 table

A 65 nm Trustworthy Hypoglycemia Forecasting Engine Achieving 11.3 nJ per Inference

一种65纳米可信赖的低血糖预测引擎，每次推理能耗11.3 nJ

Boyang Cheng, Jianbo Liu, Pengyu Ren, Xueji Zhao, Steven Davis, Likai Pei, Zephan M. Enciso, Kai Ni, Ningyuan Cao

专题命中 健康监测 ：medical AI(abstract)

AI总结 提出基于概率决策树的低血糖预测引擎，采用混合架构降低复杂度，在65 nm CMOS上实现11.3 nJ/推理和0.825的F1分数，对传感器噪声鲁棒性提升4.1-16.1倍。

Comments Submitted to IEEE Transactions on Circuits and Systems I: Regular Papers (TCAS-I)