AdaBrain-Bench: 用于脑-计算机接口应用的脑基础模型基准测试
机器学习
2025-08-06 v2
摘要
非侵入性脑-计算机接口（BCI）提供了一种安全可及的方式，将人类大脑连接到外部设备，具有广泛的应用前景，既可在家中也可在临床环境中用于增强人类能力。然而，高噪声水平和有限的任务特定数据限制了解码能力。最近，自监督预训练的采用正在改变非侵入性 BCI 研究的格局，使开发脑基础模型成为可能，从大规模无标记的脑电图（EEG）信号中捕获具有较大噪声的通用神经表征。然而，尽管已取得这些进展，但当前缺乏全面、实用且可扩展的基准测试来评估跨 diverse BCI 任务中公开基础模型的实用性，阻碍了其广泛采用。为此，我们提出 AdaBrain-Bench，一个大规模标准化基准测试，用于系统评估脑基础模型在广泛非侵入性 BCI 任务中的效用。AdaBrain-Bench 包含一系列代表性 BCI 解码数据集，涵盖 7 个关键应用。它引入了一个简化的任务适应管道，集成多维评估指标，并提供了一套适应工具。该基准为评估脑基础模型在关键迁移设置中的通用性提供了一个包容性框架，包括跨主体、多主体和 few-shot 场景。我们利用 AdaBrain-Bench 对一套公开可用的脑基础模型进行评估，并提供了在各种场景中选择合适模型的实践见解。我们将该基准管道公开可用，以促进可重复研究和外部使用，提供一个持续演进的平台，以推动健壮和通用的神经解码解决方案的发展。
引用
@article{arxiv.2507.09882,
title = {AdaBrain-Bench: Benchmarking Brain Foundation Models for Brain-Computer Interface Applications},
author = {Jiamin Wu and Zichen Ren and Junyu Wang and Pengyu Zhu and Yonghao Song and Mianxin Liu and Qihao Zheng and Lei Bai and Wanli Ouyang and Chunfeng Song},
journal= {arXiv preprint arXiv:2507.09882},
year = {2025}
}